Optimización de carteras financieras con formulación QUBO
| dc.contributor.advisor | Galazo García, Raquel | es-ES |
| dc.contributor.author | Maspétiol, Timothée Emmanuel Roger Marie | es-ES |
| dc.contributor.other | Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales | es_ES |
| dc.date.accessioned | 2025-09-10T14:15:38Z | |
| dc.date.available | 2025-09-10T14:15:38Z | |
| dc.date.issued | 2026 | es_ES |
| dc.description | Grado en Administración y Dirección de Empresas con Mención en Internacional | es_ES |
| dc.description.abstract | Este trabajo explora la aplicación de la computación cuántica a la optimización de carteras financieras. A partir del modelo clásico de Markowitz, se formula el problema de selección de activos como un problema QUBO (Quadratic Unconstrained Binary Optimization) y se resuelve mediante el algoritmo QAOA (Quantum Approximate Optimization Algorithm) sobre un simulador cuántico ideal. Se comparan tres implementaciones sobre acciones del S&P 500: una construcción heurística manual en Excel, una optimización algorítmica clásica completa en Python (12 activos seleccionados sobre el universo S&P 500 mediante un score multicriterio), y un pipeline híbrido clásico-cuántico en tres etapas (preselección de 25 candidatos por decorrelación, selección cuántica vía QAOA, optimización Markowitz final de los pesos continuos). Las tres implementaciones se evalúan mediante un protocolo de walk-forward backtesting (in-sample 2019-2022, out-of-sample 2022-2025) frente al benchmark SPY. Los resultados muestran que QAOA recupera la solución óptima exacta, validada previamente por enumeración combinatoria de los 5 200 300 subconjuntos posibles, en el 20% de las ejecuciones a profundidad p=3, lo que valida la viabilidad de la cadena Markowitz - QUBO - QAOA. La cartera del pipeline híbrido obtiene un Sharpe in-sample de 1,54 pero una performance out-of-sample de 0,15, inferior al benchmark SPY (0,38), con una tasa de degradación del 90,4% comparable a la del enfoque Markowitz clásico (89,8%). Esta convergencia confirma que el cuello de botella estructural reside en la estimación clásica de los parámetros y no en el algoritmo cuántico. El trabajo concluye que la ventaja cuántica efectiva requiere problemas de mayor escala y restricciones cualitativas más complejas que las consideradas aquí. | es-ES |
| dc.description.abstract | This thesis explores the application of quantum computing to financial portfolio optimization. Building on the classical Markowitz model, the asset selection problem is formulated as a QUBO problem (Quadratic Unconstrained Binary Optimization) and solved using the QAOA algorithm (Quantum Approximate Optimization Algorithm) on an ideal quantum simulator. Three implementations are compared on S&P 500 stocks: a heuristic manual construction in Excel, a complete classical algorithmic optimization in Python (12 assets selected from the S&P 500 universe via a multi-criteria score), and a three-stage hybrid classical-quantum pipeline (preselection of 25 candidates by decorrelation, quantum selection via QAOA, final Markowitz optimization of continuous weights). All three implementations are evaluated through a walk-forward backtesting protocol (in-sample 2019-2022, out-of-sample 2022-2025) against the SPY benchmark. Results show that QAOA recovers the exact optimal solution, previously validated by combinatorial enumeration of the 5,200,300 possible subsets, in 20% of executions at depth p=3, validating the viability of the Markowitz - QUBO - QAOA chain. The hybrid pipeline portfolio achieves an in-sample Sharpe ratio of 1.54 but an out-of-sample performance of 0.15, below the SPY benchmark (0.38), with a degradation rate of 90.4% comparable to that of the classical Markowitz approach (89.8%). This convergence confirms that the structural bottleneck lies in the classical estimation of parameters rather than in the quantum algorithm itself. The work concludes that effective quantum advantage requires larger-scale problems and more complex qualitative constraints than those considered here, conditions that the current NISQ era does not yet fully support. | en-GB |
| dc.format.mimetype | application/pdf | es_ES |
| dc.identifier.uri | http://hdl.handle.net/11531/103861 | |
| dc.keywords | Optimización de carteras; Computación cuántica; QUBO; QAOA; Modelo de Markowitz | es-ES |
| dc.keywords | Portfolio optimization; Quantum computing; QUBO; QAOA; Markowitz model | en-GB |
| dc.language.iso | es-ES | es_ES |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
| dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
| dc.subject.other | K42 | es_ES |
| dc.title | Optimización de carteras financieras con formulación QUBO | es_ES |
| dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- TFG - Timothée Emmanuel Roger Marie Maspétiol.pdf
- Size:
- 1.51 MB
- Format:
- Adobe Portable Document Format
- Description:
- Trabajo Fin de Grado