Résumé - Optimisation à grande échelle des portefeuilles avec l'annealing neural variationnel

Optimisation à grande échelle des portefeuilles avec l'annealing neural variationnel

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}

L'article discute l'application de l'Annealing Neural Variational (VNA) pour résoudre des problèmes d'optimisation de portefeuille à grande échelle, qui sont généralement intractables en raison de leur complexité et de la présence de contraintes telles que les coûts de transaction et les limites de rotation. Les auteurs proposent de mapper le problème d'optimisation du portefeuille sur un Hamiltonien Ising classique et de le résoudre ensuite à l'aide de VNA, une méthode qui utilise des réseaux neuronaux autoregressifs. Ils montrent que VNA peut identifier efficacement des solutions proches de l'optimalité pour des portefeuilles comportant plus de 2 000 actifs, atteignant une performance comparable aux optimiseurs d'État de l'art comme Mosek tout en convergent plus rapidement sur des instances difficiles. L'article présente une analyse de l'échelle dynamique de la taille finie appliquée aux indices S&P 500, Russell 1000 et Russell 3000, révélant un comportement universel et une échelle temporelle d'annealing polynomiale de l'algorithme VNA. Cela suggère que VNA est une méthode scalable pour les problèmes d'optimisation de portefeuille. Points clés : - Les auteurs abordent le défi de l'optimisation du portefeuille en utilisant VNA, une méthode inspirée de la physique quantique qui combine l'optimisation variationnelle avec l'annealing. - VNA est appliqué pour résoudre des problèmes d'optimisation de portefeuille à grande échelle avec plus de 2 000 actifs. - Les auteurs montrent que VNA atteint une performance comparable à Mosek tout en convergent plus rapidement sur des instances difficiles. - Une analyse de l'échelle dynamique de la taille finie révèle un comportement universel et une échelle temporelle d'annealing polynomiale de l'algorithme VNA. - L'article met en avant la scalabilité et l'efficacité de VNA pour résoudre des problèmes complexes d'optimisation de portefeuille.