Zusammenfassung - Groß angelegte Portfolioberechnung mit variabler neuraler Abkühlung

Groß angelegte Portfolioberechnung mit variabler neuraler Abkühlung

2025-07-09 17:46:59

{"Nishan Ranabhat","Behnam Javanparast","David Goerz","Estelle Inack"}

{cond-mat.dis-nn,cond-mat.stat-mech,cs.LG,q-fin.PM}

Das Papier diskutiert die Anwendung von Variational Neural Annealing (VNA) zur Lösung von großen Portfolioberechnungsproblemen, die aufgrund ihrer Komplexität und der Anwesenheit von Einschränkungen wie Transaktionskosten und Umsatzlimits typischerweise unlösbar sind. Die Autoren schlagen vor, das Portfolioberechnungsproblem auf einen klassischen Ising-artigen Hamiltonian zu projizieren und es mithilfe von VNA zu lösen, einer Methode, die autoregressive neuronale Netze nutzt. Sie zeigen, dass VNA effizient nahezu optimale Lösungen für Portfolios mit mehr als 2.000 Wertpapieren identifizieren kann, indem es eine Leistung erzielt, die mit den besten Optimierern wie Mosek vergleichbar ist, während es auf schweren Fällen schneller konvergiert. Das Papier präsentiert eine dynamische Finite-Size Scaling-Analyse, die auf den Indizes S&P 500, Russell 1000 und Russell 3000 angewendet wurde, und zeigt universelles Verhalten und eine polynomiale Abschmelzzeit Skalierung des VNA-Algorithmus. Dies deutet darauf hin, dass VNA eine skalierbare Methode für Portfolioberechnungsprobleme ist. Kernpunkte: - Die Autoren behandeln die Herausforderung der Portfolioberechnung durch die Anwendung von VNA, einer quanteninspirierten Methode, die variatorische Optimierung mit Abschmelzen kombiniert. - VNA wird zur Lösung großer Portfolioberechnungsprobleme mit über 2.000 Wertpapieren angewendet. - Die Autoren demonstrate, dass VNA eine Leistung erzielt, die mit Mosek vergleichbar ist, während es auf schweren Fällen schneller konvergiert. - Eine dynamische Finite-Size Scaling-Analyse zeigt universelles Verhalten und eine polynomiale Abschmelzzeit Skalierung des VNA-Algorithmus. - Das Papier hebt die Skalierbarkeit und Effektivität von VNA für die Lösung komplexer Portfolioberechnungsprobleme hervor.