基于 QAOA 的量子辅助最优再平衡：用于算法交易的无关联资产选择Walk-Forward QUBO 调度
投资组合管理
2026-03-19 v1 人工智能
摘要
我们提出了一种混合经典-量子框架用于组合构建和再平衡。通过 Ledoit-Wolf 缩小协方差估计结合层次相关聚类进行资产选择，从 S&P 500 universe 中提取 n = 10 只无关联股票，避免存活偏差。组合权重通过熵正则化遗传算法 (GA) 进行优化，GPU 上加速，并伴随闭式最小方差和等权基准。我们的主要贡献是将组合再平衡计划表述为二次无约束二进制优化 (QUBO) 问题。在消除前瞻偏差的 walk-forward 框架内，使用量子近似优化算法 (QAOA) 求解该组合优化问题。该方法将动态再平衡重构为结构化二进制调度问题，可供变分量子方法求解。在 S&P 500 数据（训练：2010-2024；测试：2025 年，n = 249 个交易日）的回测中，GA + QAOA 策略实现夏普比率为 0.588，总收益为 10.1%，略胜于最强的经典基准（GA 采用 10 天定期再平衡，夏普比率 0.575），执行 8 次再平衡 versus 24 次，交易成本降低 44.5%。多重启动 QAOA（每次运行 4096 次测量）显示出对高质量调度概率浓度，表明变分程序收敛稳定。这些发现表明，混合经典-量子体系结构可以在保持具竞争风险调整性能的同时减少组合再平衡的周转率，为近期量子优化在金融应用中的结构化测试平台。
引用
@article{arxiv.2603.16904,
title = {Quantum-Assisted Optimal Rebalancing with Uncorrelated Asset Selection for Algorithmic Trading Walk-Forward QUBO Scheduling via QAOA},
author = {Abraham Itzhak Weinberg},
journal= {arXiv preprint arXiv:2603.16904},
year = {2026}
}