.png){kind=icon}
返回
Beyond Classical Limits: Quantum-Driven Preselection for Multi-Asset-Class Portfolio
.png){kind=icon}
PRE
AI
DOI：10.1109/tcss.2026.3723670.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
投资宇宙的指数级增长给大规模资产组合选择带来了显著的计算挑战，使传统优化算法效率低下。为应对这一挑战，提出了一种基于相干伊辛机（CIM）的混合量子-经典框架，用于优化多资产类别组合的资产预选择问题。在该框架中，资产预选择首先被表述为距离最大化问题，然后转化为无约束二次二进制优化（QUBO）形式。最后，采用混合量子-经典策略应对问题的NP难结构和当前CIM硬件的精度限制，通过CIM识别多样化的预选资产池，以用于后续的组合分配。美国股票和全球商品期货的实证结果表明，所提出的框架构建了多样化的多资产类别池，并表现出强大的样本外性能。它能在毫秒级延迟内解决基准实例，并相对于基准算法实现了良好的解质量-运行时间权衡。这些发现表明，基于CIM的优化在大规模资产预选择中具有实践潜力。
Keyword:
Asset preselection
coherent ising machine (CIM)
portfolio management
quadratic unconstrained binary optimization (QUBO)
期刊
IF:
4.9
论文数:
613
被引数:
6.8K
机构
引用论文
暂无论文信息