Referencia de la API de Quantum Portfolio Optimizer

Tipo: `json`

Diccionario con los precios de los activos. Los datos deben estar estructurados como un objeto JSON que contenga información sobre los precios de cierre de los activos financieros en fechas concretas. El formato es el siguiente:

• Clave primaria (cadena de caracteres): El nombre o el símbolo bursátil del activo financiero (por ejemplo, « 8801.T »).
• Clave secundaria (cadena): La fecha en formato AAAA-MM-DD.
• Valor (número): El precio de cierre del activo en la fecha indicada. Los precios pueden introducirse normalizados o sin normalizar.

Ten en cuenta que todos los diccionarios deben tener la misma clave secundaria (fechas). Si un activo concreto carece de una fecha que otros sí tienen, hay que completar los datos para garantizar la coherencia. Por ejemplo, esto se puede hacer utilizando el último precio de cierre registrado de ese activo.

• Obligatorio: Sí
• Ejemplo:

{
    "8801.T": {
        "2023-01-01": 2374.0,
        "2023-01-02": 2374.0,
        "2023-01-03": 2374.0,
        "2023-01-04": 2356.5,
        ...
    },
    "AAPL": {
        "2023-01-01": 145.2,
        "2023-01-02": 146.5,
        "2023-01-03": 147.3,
        "2023-01-04": 148.1,
        ...
    },
    ...
}

{
    "asset_name": {
        "date": closing_value,
        ...
    },
    ...
}

Tipo: `json`

Configuración del QUBO. En la siguiente tabla se describen las claves del diccionario qubo_settings . Crea el diccionario especificando el número de pasos temporales nt, el número de qubits de resolución nq y el max_investment - o modifica otros valores predeterminados.

• Obligatorio: Sí

Tipo: `json`

Valor predeterminado: `None`

Configuración del Ansatz. Para modificar las opciones predeterminadas, crea un diccionario para el ansatz_settings parámetro con las siguientes claves. Por defecto, el ansatz está configurado en "real_amplitudes", y ambas opciones adicionales (véase la tabla siguiente) están configuradas en False.

* Enfoques disponibles

• real_amplitudes
• cyclic
• optimized_real_amplitudes
• tailored (Solo para ibm_torino el backend, 7 activos, 4 pasos temporales y 4 qubits de resolución)

** Si multiple_passmanager se establece en False, la función utiliza el gestor de pases predeterminado de Qiskit con optimization_level=3. Si se establece en True, la multiple_passmanager subrutina compara tres gestores de pasadas: el gestor de pasadas predeterminado anterior de Qiskit, un gestor de pasadas que asigna los qubits a la cadena de vecinos más cercanos de la QPU y los servicios del transpilador de IA. A continuación, se selecciona el gestor de pases con el error acumulativo estimado más bajo.

• Requisito: No

Tipo: `json`

Valor predeterminado: `None`

Configuración del optimizador. Este parámetro es un diccionario que contiene algunas opciones configurables del proceso de optimización.

Bajo las claves primitive_options``optimizer_options y configuramos diccionarios con los siguientes parámetros:

primitive_options

optimizer_options

• Requisito: No

Tipo: `str`

El nombre del backend de la QPU

• Requisito: No
• Ejemplo:ibm_torino

Tipo: `list` of `str`

Valor predeterminado: Empty list

Lista de identificadores de sesión para recuperar datos de ejecuciones anteriores. Para reanudar una ejecución o recuperar trabajos que se procesaron en una o varias sesiones anteriores, es necesario indicar la lista de ID de sesión en el previous_session_id parámetro. Esto resulta especialmente útil en los casos en que una tarea de optimización no se ha completado debido a algún error en el proceso y es necesario finalizar la ejecución. Para ello, debes proporcionar los mismos argumentos que se utilizaron en la ejecución inicial, junto con la previous_session_id lista tal y como se ha descrito.

• Requisito: No
• Ejemplo:["session_id_1", "session_id_2"]

Tipo: `bool`

Valor predeterminado: `True`

Aplicar un posprocesamiento SQD sensible al ruido.

• Requisito: No
• Ejemplo:True

Tipo: `list` of `str`

Valor predeterminado: Empty list

Lista de etiquetas para identificar el experimento.

• Requisito: No
• Ejemplo:["optimization", "quantum_computing"]

Tipo: dict[str, dict[str, float]]

Contiene la estrategia de inversión a lo largo del tiempo, de modo que cada marca temporal se corresponde con las ponderaciones de inversión específicas de cada activo (cada ponderación es el importe de la inversión normalizado con respecto al importe total de la inversión).

• Ejemplo:{'time_1': {'asset_1': 0.2, 'asset_2': 0.3, ...}, ...}

Tipo: dict[str, Any]

Datos generados durante el análisis, incluyendo soluciones, costes y métricas.

Descripción del all_samples_metrics diccionario