摘要

利用马科维茨投资组合优化问题和量子线性判别分析(quantum linear discriminant analysis, QLDA)的相似性,将马科维茨投资组合优化问题规约为量子线性判别分析的优化问题,并通过解决QLDA的技术厄米特链积(hermitian chain product, HCP)以及密度矩阵指数化算法(density matrix exponentiation, DME)来求得马科维茨均值方差模型中夏普率最大的最优解。量子连续投资组合优化方案相比于经典方案可以实现准指数加速。