Referência da API do Quantum Portfolio Optimizer

Tipo: `json`

Dicionário com os preços dos ativos. Os dados devem estar estruturados como um objeto JSON que armazena informações sobre os preços de fechamento de ativos financeiros em datas específicas. O formato é o seguinte:

• Chave primária (cadeia de caracteres): O nome ou código do ativo financeiro (por exemplo, “ 8801.T ”).
• Chave secundária (cadeia de caracteres): A data no formato AAAA-MM-DD.
• Valor (número): O preço de fechamento do ativo na data especificada. Os preços podem ser inseridos normalizados ou não normalizados.

Observe que todos os dicionários devem ter a mesma chave secundária (datas). Se um ativo específico não tiver uma data que outros possuem, os dados devem ser preenchidos para garantir a consistência. Por exemplo, isso pode ser feito utilizando o último preço de fechamento registrado desse ativo.

• Necessário: sim
• Exemplo:

{
    "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`

Configurações do QUBO. A tabela a seguir descreve as chaves do qubo_settings dicionário. Crie o dicionário especificando o número de passos nttemporais, o número de qubits de nqresolução e o max_investment - ou altere outros valores padrão.

• Necessário: sim

Tipo: `json`

Valor Padrão: `None`

Configurações do Ansatz. Para modificar as opções padrão, crie um dicionário para o ansatz_settings parâmetro com as seguintes chaves. Por padrão, o ansatz está definido como "real_amplitudes", e ambas as opções adicionais (consulte a tabela a seguir) estão definidas como False.

* Abordagens disponíveis

• real_amplitudes
• cyclic
• optimized_real_amplitudes
• tailored (Apenas para ibm_torino o backend, 7 ativos, 4 passos temporais e 4 qubits de resolução)

** Se multiple_passmanager estiver definido como False, a função utiliza o gerenciador de passagens padrão do Qiskit com optimization_level=3. Se definido como True, a multiple_passmanager sub-rotina compara três gerenciadores de passagem: o gerenciador de passagem padrão anterior do Qiskit, um gerenciador de passagem que mapeia os qubits ao longo da cadeia de vizinhos mais próximos da QPU e os serviços do transpiler de IA. Em seguida, é selecionado o gerenciador de passagens com o menor erro cumulativo estimado.

• Obrigatório: Não

Tipo: `json`

Valor Padrão: `None`

Configurações do otimizador. Este parâmetro é um dicionário que contém algumas opções ajustáveis do processo de otimização.

Nas chaves primitive_options``optimizer_options e definimos dicionários com os seguintes parâmetros:

primitive_options

optimizer_options

• Obrigatório: Não

Tipo: `str`

O nome do backend da QPU

• Obrigatório: Não
• Exemplo:ibm_torino

Tipo: `list` of `str`

Valor Padrão: Empty list

Lista de IDs de sessão para recuperar dados de execuções anteriores. Para retomar uma execução ou recuperar tarefas que foram processadas em uma ou mais sessões anteriores, a lista de IDs de sessão deve ser passada no previous_session_id parâmetro. Isso é particularmente útil nos casos em que uma tarefa de otimização não foi concluída devido a algum erro no processo e é necessário finalizar a execução. Para isso, é necessário fornecer os mesmos argumentos utilizados na execução inicial, juntamente com a previous_session_id lista conforme descrito.

• Obrigatório: Não
• Exemplo:["session_id_1", "session_id_2"]

Tipo: `bool`

Valor Padrão: `True`

Aplicar pós-processamento SQD sensível ao ruído.

• Obrigatório: Não
• Exemplo:True

Tipo: `list` of `str`

Valor Padrão: Empty list

Lista de tags para identificar o experimento.

• Obrigatório: Não
• Exemplo:["optimization", "quantum_computing"]

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

Contém a estratégia de investimento ao longo do tempo, com cada data e hora correspondendo a ponderações de investimento específicas para cada ativo (cada ponderação é o valor do investimento normalizado pelo valor total do investimento).

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

Tipo: dict[str, Any]

Dados gerados durante a análise, incluindo soluções, custos e métricas.

Descrição do all_samples_metrics dicionário