基于中性原子量子处理器的金融风险管理
量子物理
2024-04-04 v2 强关联电子
计算工程、金融与科学
机器学习
摘要
能够处理金融界收集的大型数据集的机器学习模型往往成为运行昂贵的黑箱。量子计算范式提出了新的优化技术，与经典算法结合，可能交付有竞争力、更快且更具可解释性的模型。在这项工作中，我们提出了一种量子增强的机器学习方案，用于预测信用评级下调，在金融风险管理领域亦称为坠落天使预测。我们在具有多达 60 个量子比特的中性原子量子处理单元（QPU）上，基于真实数据集实现了该方案。我们报告了相对于最先进的随机森林基准具有竞争力的性能，同时我们的模型实现了更好的可解释性与可比较的训练时间。我们研究了如何在近期提升性能，并使用基于张量网络的数值模拟验证了我们的想法。
引用
@article{arxiv.2212.03223,
title = {Financial Risk Management on a Neutral Atom Quantum Processor},
author = {Lucas Leclerc and Luis Ortiz-Guitierrez and Sebastian Grijalva and Boris Albrecht and Julia R. K. Cline and Vincent E. Elfving and Adrien Signoles and Loïc Henriet and Gianni Del Bimbo and Usman Ayub Sheikh and Maitree Shah and Luc Andrea and Faysal Ishtiaq and Andoni Duarte and Samuel Mugel and Irene Caceres and Michel Kurek and Roman Orus and Achraf Seddik and Oumaima Hammammi and Hacene Isselnane and Didier M'tamon},
journal= {arXiv preprint arXiv:2212.03223},
year = {2024}
}
备注
17 pages, 11 figures, 2 tables, revised version