概要 - スケールの大きなポートフォリオ最適化と変分神経アニーリング

タイトル

スケールの大きなポートフォリオ最適化と変分神経アニーリング

時間

2025-07-09 17:46:59

著者

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

カテゴリ

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

リンク
http://arxiv.org/abs/2507.07159v1

PDF リンク
http://arxiv.org/pdf/2507.07159v1

概要

この論文では、変分ニューラルアニーリング（VNA）の応用について議論されています。これは、その複雑さと取引コストや回転率の制限などの制約があるため、通常難しい大規模ポートフォリオ最適化問題を解くために提案されています。著者たちは、ポートフォリオ最適化問題を古典的なイシンのようなハミルトニアンにマッピングし、自己回帰ニューラルネットワークを利用するVNAを使用して解決する方法を提案しています。彼らは、VNAが2,000以上の資産を持つポートフォリオに対して近似的に最適な解を効率的に特定できることを示し、Mosekなどの最先端の最適化エンジンと比較しても性能が同等であり、ハードな例に対してより速く収束する結果を得ました。論文では、S&P 500、Russell 1000、Russell 3000インデックスに適用された動的有限サイズスケーリング分析を紹介し、VNAアルゴリズムの普遍的な行動と多項式アニーリング時間スケーリングを明らかにしました。これは、VNAがポートフォリオ最適化問題に対するスケーラブルな方法であることを示唆しています。キーポイント： - 著者たちは、変分最適化とアニーリングを組み合わせた量子インスパイアされた方法であるVNAを使用して、ポートフォリオ最適化の課題に取り組んでいます。 - VNAが2,000以上の資産を持つ大規模ポートフォリオ最適化問題を解くために応用されています。 - 著者たちは、VNAがMosekなどの最先端の最適化エンジンと比較しても性能が同等であり、ハードな例に対してより速く収束する結果を示しました。 - 動的有限サイズスケーリング分析がVNAアルゴリズムの普遍的な行動と多項式アニーリング時間スケーリングを明らかにしました。 - 论文は、複雑なポートフォリオ最適化問題を解くためのVNAのスケーラビリティと効果を強調しています。

推奨論文

問題追跡エコシステム：文脈とベストプラクティス

非平衡データのためのコルモゴロフ・アーノルド・ネットワーク（KANs）-- 実証的視点

スワップと置換による文字列の一致問題

半環環Turing機のFaginの定理

圧縮性と敵対的耐性の相互作用

5Gにおけるアクティブ攻撃耐性：認証とキー合意の新しいアプローチ

音韻分類認識のためのオーディオ・ビジョン対比学習

TrinityDNA：効率的な長序列DNAモデリングのための生物由来の基盤モデル

バランスの乱れ：生成モデルにおけるオンライン概念バランス

「1-in-3-SATの強いスパーサイズ化：多項式Freiman-Ruzsa」