論文の概要: Photonic Quantum Computing vs. Classical Solvers in Constrained Factor Portfolio Optimization

• arxiv url: http://arxiv.org/abs/2608.14134v1
• Date: Fri, 14 Aug 2026 09:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.341639
• Title: Photonic Quantum Computing vs. Classical Solvers in Constrained Factor Portfolio Optimization
• Title（参考訳）: 制約係数ポートフォリオ最適化におけるフォトニック量子コンピューティング対古典解法
• Abstract要約: 著者らは, 制度的要素ポートフォリオ構築のための3つの異なる最適化パラダイムについて, 厳密な実証評価を行った。 我々は、リターン、ボラティリティ、歪みのトレードオフを管理する48のハイパーファクター構成からなるフルファクターペナルティ・スイープを実装した。 我々はこれらの結果を,高度な最適化エンジンを配備する量的ポートフォリオマネージャのための,実用的な,委任的なガイドラインに翻訳する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The authors present a rigorous empirical evaluation of three distinct optimization paradigms for institutional factor portfolio construction: an entropy-based photonic quantum annealer (Dirac-3, Quantum Computing Inc.), a commercial mixed-integer programming solver (Gurobi), and a model-free deep reinforcement learning agent (SAC). Evaluating these pipelines on the Jensen-Kelly-Pedersen 13-factor equity library across 164 months test window, we implement a full factorial penalty sweep comprising 48 hyperparameter configurations that govern return, volatility, and skewness trade-offs. Our findings demonstrate that while photonic hardware can locate superior risk-return topologies within a narrow operating range, classical mixed-integer programming remains superior for risk-constrained mandates requiring tight tail-risk control and cross-seed stability. Furthermore, we document structural failure modes in reinforcement learning factor allocators under unanchored higher-moment shaping. We translate these empirical results into actionable, mandate-specific guidelines for quantitative portfolio managers deploying advanced optimization engines.
• Abstract（参考訳）: 著者らは,エントロピーベースのフォトニック量子アニール(Dirac-3, Quantum Computing Inc.),商用混合整数型プログラミング解法(Gurobi),モデルフリー深部強化学習剤(SAC)の3つの異なる最適化パラダイムの厳密な評価を行った。 これらのパイプラインを164ヶ月の試験ウィンドウでJensen-Kelly-Pedersen13要素株式ライブラリ上で評価し、リターン、ボラティリティ、スキューネスのトレードオフを管理する48のハイパーパラメータ構成からなるフルファクターペナルティ・スイープを実装した。 本研究は,光ハードウェアが狭い動作範囲内で優れたリスク・リターン・トポロジを見つけることができる一方で,従来型の混合整数プログラミングは,タイトなテールリスク制御とクロスシード安定性を必要とするリスク制約のある命令よりも優れていることを示す。 さらに, 強化学習因子アロケータにおける構造的故障モードを, アンコンドハイモーメント整形下で記録する。 我々は,これらの実験結果を,高度な最適化エンジンを配備する量的ポートフォリオマネージャに対して,実行可能かつ委任特異的なガイドラインに翻訳する。

関連論文リスト

• Sparsity Regularized and Robust Mean Variance Portfolio Selection Under Ellipsoidal Uncertainty [0.0]
  平均戻りベクトルの不確かさは楕円形の不確実性セットを介して組み込まれる。 我々は、局所的および大域的最小化器の構造を特徴付け、リスク最小化および戻り定式化においてこれらの特性を利用する。 この構造的洞察に基づいて、ロバストなポートフォリオ問題に合わせた分岐とバウンドのアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2026-09-10T16:03:35Z)
• Quantum Hierarchical Reinforcement Learning via Variational Quantum Circuits [14.345235373434242]
  選択肢批判型アーキテクチャに基づくハイブリッド階層型エージェントを開発した。 このハイブリッドエージェントは、古典的成分を、特徴抽出器、オプション値関数、終端関数、およびオプション内ポリシーのために変分量子回路で置換する。
  論文  参考訳（メタデータ） (2026-05-05T07:14:53Z)
• PINNACLE: An Open-Source Computational Framework for Classical and Quantum PINNs [0.0]
  PINNACLEは、物理インフォームドニューラルネットワーク(PINN)のためのオープンソースの計算フレームワークである。 統一されたモジュールワークフロー内に、現代的なトレーニング戦略、マルチGPUアクセラレーション、ハイブリッド量子古典アーキテクチャを統合する。 これにより,1次元双曲保存則,非圧縮性流れ,電磁波伝搬などのベンチマーク問題に対してPINN性能を体系的に評価することができる。
  論文  参考訳（メタデータ） (2026-04-17T02:42:08Z)
• A Flexible GKP-State-Embedded Fault-Tolerant Quantum Computation Configuration Based on a Three-Dimensional Cluster State [6.901147498661532]
  本稿では, フレキシブルなGottesman-Kitaev-Preskill-組込み型フォールトトレラント量子計算アーキテクチャを提案する。 具体的には、光学的絡み合い発生器を設計し、3つの異なる絡み合いペアを生成する。 本稿では,故障耐性量子計算を実現するために,部分的に圧縮された表面GKP符号を提案する。
  論文  参考訳（メタデータ） (2026-03-19T11:30:50Z)
• FactorEngine: A Program-level Knowledge-Infused Factor Mining Framework for Quantitative Investment [22.43322983799291]
  FactorEngine(FE)は、Turing完全コードとしてファクタをキャストする。 FEは、構造化されていない財務報告を実行可能なファクタープログラムに変換する。 FEは、予測安定性とポートフォリオへの影響が著しく強い要因を生み出します。
  論文  参考訳（メタデータ） (2026-03-17T10:51:30Z)
• BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning [49.25750348525603]
  BandPOは、信頼領域を動的で確率対応のクリッピング間隔に投影する統一理論演算子であるBandに取って代わる。 BandPOはカノニカルクリッピングやClip-Higherより一貫して優れ,エントロピー崩壊の軽減が図られている。
  論文  参考訳（メタデータ） (2026-03-05T08:03:05Z)
• Quantum LEGO Learning: A Modular Design Principle for Hybrid Artificial Intelligence [63.39968536637762]
  古典的および量子的コンポーネントを再利用可能で構成可能な学習ブロックとして扱う学習フレームワークであるQuantum LEGO Learningを紹介します。 このフレームワーク内では、トレーニング済みの古典的ニューラルネットワークがフリーズ機能ブロックとして機能し、VQCはトレーニング可能な適応モジュールとして機能する。 我々は,学習誤差を近似と推定成分に分解するブロックワイズ一般化理論を開発した。
  論文  参考訳（メタデータ） (2026-01-29T14:29:21Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。