QPRIMORA · QUANTUM COMPUTING DEMO

投资组合优化

Portfolio Optimization

面对多个具有不同预期收益、波动率和相关性的资产, 应该选择哪些资产组成投资组合, 才能在收益与风险之间取得更合适的平衡?

这个实例展示一个金融决策问题, 怎样从“收益—风险选择”转换成二进制优化问题, 再进入量子优化计算路径。
01 · YOUR PROBLEM

设置投资目标

6
3
50%
更关注收益 更关注风险
模拟市场数据
本页面全部资产数据均为模拟生成, 仅用于解释量子优化原理,不构成任何投资建议。
02 · QPRIMORA TRANSFORMATION

从投资目标到量子计算表示

REAL-WORLD OBJECTIVE 选择投资组合
↓
DECISION VARIABLES xi ∈ {0,1} 是否选择资产 i
↓
OBJECTIVE Return − Risk Penalty
↓
CONSTRAINT Σ xi = K 必须选择 K 个资产
↓
REPRESENTATION QUBO
↓
QPRIMORA PRIMITIVE Risk-Return Combinatorial Optimization
QPRIMORA · INSIDE THE TRANSFORMATION

逐步查看金融问题怎样被编码

A · DECISION VARIABLES

每一个候选资产由一个二进制变量表示。

xi = { 0, 1 }

x(i)=1 表示该资产被加入投资组合, x(i)=0 表示不选择。

B · EXPECTED RETURN

组合收益来源于被选择资产的预期收益。

Return(x) = Σ μixi
C · PORTFOLIO RISK

组合风险不仅取决于每个资产自身的波动率, 还取决于不同资产之间的相关性。

Risk²(x) = xᵀΣx

Σ = 资产协方差矩阵

D · RISK–RETURN OBJECTIVE

优化目标需要在预期收益与组合风险之间进行权衡。

min E(x) = λ · Risk(x) − Return(x)

λ 表示用户对风险的重视程度。

E · QUBO

收益—风险目标与资产数量约束 可以统一进入一个二次二进制模型。

E(x) = λxᵀΣx − μᵀx + A(Σxi − K)²
Portfolio → Binary Variables → QUBO
F · COST HAMILTONIAN + QAOA
QUBO → Ising Form → Cost Hamiltonian → QAOA → Virtual QPU
优化过程尝试提高低能量投资组合状态 在测量结果中出现的概率。
03 · COMPUTE

比较两条计算路径

CLASSICAL

普通精确枚举

候选资产 ↓ 枚举资产组合 ↓ 计算收益与风险 ↓ 选择目标函数最优组合
QUANTUM PATH

Virtual QPU

QUBO ↓ Cost Hamiltonian ↓ QAOA ↓ Measurement ↓ 投资组合概率分布
QPRIMORA ARCHITECTURE

问题领域发生变化,计算架构保持一致

金融目标 → Representation → Primitive → Algorithm → Virtual QPU → Real QPU

与路线优化完全不同的金融问题, 仍然可以通过同一套 Problem → Representation → Primitive → QPU 架构进入量子计算路径。