量子科技中心_量科网

在严格基数约束条件下的投资组合优化是一个组合难题，传统凸优化方法难以应对，特别是在“直接指数化”和ESG约束投资场景中。在噪声中等规模量子（NISQ）时代，量子近似优化算法（QAOA）提供了一种前景广阔的混合解决方案。然而，采用横向场混合器的标准QAOA实现往往无法严格满足硬约束条件，不得不引入扭曲能量格局的软惩罚项。本文针对模拟退火（SA）和分层风险平价（HRP）方法，对一种严格保持约束条件的QAOA方案进行了全面分析。该研究团队设计了一种特殊的QAOA拟设，采用Dicke态初始化和XY混合器哈密顿量，严格保持解的汉明权重，确保仅探索规模为K的有效投资组合。此外，受绝热量子计算启发，该工作还引入了基于Trotterized方法的参数初始化方案，以缓解“贫瘠高原”问题。对2025年10只美国股票组合的回测显示，该团队的QAOA方法实现了1.81的夏普比率，显著优于模拟退火（1.31）和HRP（0.98）。研究人员进一步分析了该算法高达76.8%换手率的实际影响，探讨了机构投资场景中理论最优性与实施成本之间的权衡关系。