利用泡利相关编码进行的大规模投资组合优化

《Scientific Reports》：Large-scale portfolio optimization using Pauli correlation encoding

　　

摘要

投资组合优化是金融决策的核心，传统上依赖于经典算法来平衡风险和回报。量子计算的最新进展提供了一种有前景的替代方案，利用量子算法高效探索复杂的解决方案空间，并在高维环境中可能优于经典方法。然而，传统的量子方法通常假设量子比特（qubit）与变量（例如金融资产）之间存在一一对应关系，这由于当前硬件的限制而严重限制了基于门的量子系统的适用性。因此，在实际场景中仅使用了类似量子退火的方法。在这项工作中，我们展示了如何通过为每个量子比特分配多个变量来应用基于门的变分量子算法来解决现实世界中的投资组合优化问题，具体使用了泡利相关编码算法。我们处理了一个涉及250多个变量的问题，其中表示真实股票市场的市场图被迭代划分为高度相关的资产子组合。随后进行经典的后处理步骤，以构建一个简化且优化的资产组合。与传统变分方法相比，这种方法提高了可扩展性，并为量子增强型金融应用开辟了新的可能性。