Riferimento API di Quantum Portfolio Optimizer

Tipo: `json`

Dizionario con i prezzi degli asset. I dati devono essere strutturati come un oggetto JSON che contiene informazioni sui prezzi di chiusura di attività finanziarie in date specifiche. Il formato è il seguente:

• Chiave primaria (stringa): il nome o il simbolo ticker dell'attività finanziaria (ad esempio, « 8801.T »).
• Chiave secondaria (stringa): la data nel formato AAAA-MM-GG.
• Valore (numero): il prezzo di chiusura dell'attività alla data specificata. I prezzi possono essere inseriti sia in forma normalizzata che non normalizzata.

Si noti che tutti i dizionari devono avere la stessa chiave secondaria (date). Se un determinato elemento non riporta una data presente negli altri, è necessario inserire i dati per garantire la coerenza. Ad esempio, ciò può essere fatto utilizzando l'ultimo prezzo di chiusura registrato di tale titolo.

• Obbligatorio: sì
• Esempio:

{
    "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`

Impostazioni di QUBO. La tabella seguente descrive le voci del qubo_settings dizionario. Creare il dizionario specificando il numero di passi nttemporali, il numero di qubit di risoluzione nq e il max_investment - oppure modificare altri valori predefiniti.

• Obbligatorio: sì

Tipo: `json`

Valore predefinito: `None`

Impostazioni dell'ansatz. Per modificare le opzioni predefinite, creare un dizionario per il ansatz_settings parametro con le seguenti chiavi. Per impostazione predefinita, l'ansatz è impostato su "real_amplitudes", mentre entrambe le opzioni aggiuntive (vedi la tabella seguente) sono impostate su False.

* Approcci disponibili

• real_amplitudes
• cyclic
• optimized_real_amplitudes
• tailored (Solo per ibm_torino il backend, 7 risorse, 4 passi temporali e 4 qubit di risoluzione)

** Se multiple_passmanager è impostato su False, la funzione utilizza il gestore di passaggi predefinito di Qiskit con optimization_level=3. Se impostato su True, la multiple_passmanager subroutine mette a confronto tre gestori di passaggi: il precedente gestore di passaggi predefinito di Qiskit, un gestore di passaggi che mappa i qubit sulla catena dei vicini di primo grado della QPU e i servizi del transpiler AI. Viene quindi selezionato il gestore di passaggi con l'errore cumulativo stimato più basso.

• Obbligatorio: No

Tipo: `json`

Valore predefinito: `None`

Impostazioni dell'ottimizzatore. Questo parametro è un dizionario contenente alcune opzioni configurabili del processo di ottimizzazione.

Con i primitive_options``optimizer_options tasti e impostiamo dei dizionari con i seguenti parametri:

primitive_options

optimizer_options

• Obbligatorio: No

Tipo: `str`

Il nome del backend QPU

• Obbligatorio: No
• Esempio: ibm_torino

Tipo: `list` of `str`

Valore predefinito: Empty list

Elenco degli ID di sessione per recuperare i dati delle esecuzioni precedenti. Per riprendere un'esecuzione o recuperare i lavori elaborati in una o più sessioni precedenti, è necessario specificare l'elenco degli ID di sessione nel previous_session_id parametro. Ciò risulta particolarmente utile nei casi in cui un'operazione di ottimizzazione non sia stata completata a causa di un errore nel processo e sia necessario portare a termine l'esecuzione. Per farlo, è necessario specificare gli stessi argomenti utilizzati nell'esecuzione iniziale, insieme previous_session_id all'elenco come descritto.

• Obbligatorio: No
• Esempio: ["session_id_1", "session_id_2"]

Tipo: `bool`

Valore predefinito: `True`

Applicare una post-elaborazione SQD sensibile al rumore.

• Obbligatorio: No
• Esempio: True

Tipo: `list` of `str`

Valore predefinito: Empty list

Elenco dei tag per identificare l'esperimento.

• Obbligatorio: No
• Esempio: ["optimization", "quantum_computing"]

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

Contiene la strategia di investimento nel tempo, in cui ogni data e ora corrisponde a ponderazioni di investimento specifiche per ciascuna attività (ogni ponderazione è l'importo dell'investimento rapportato all'importo totale dell'investimento).

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

Tipo: dict[str, Any]

Dati generati durante l'analisi, tra cui soluzioni, costi e indicatori.

Descrizione del all_samples_metrics dizionario