Computação clássica e quântica aplicadas ao mercado financeiro

Os códigos são relacionados ao nosso artigo que pode ser encontrado no link:

https://doi.org/10.1590/1806-9126-RBEF-2022-0099

O repositório encontra-se organizado da seguinte forma:

1- Um Jupyter notebook que explora a abordagem clássica (Markowitz) onde você poderá obter a Fronteira Eficiente para diversos ativos como: ações da B3, ações de empresas americanas (NYSE/NASDAQ), Criptomoedas etc; Conforme figura abaixo:

Bem como contém uma abordagem quântica de uma implementação simples do QAOA (Quantum Approximate Optimization Algorithm) e do VQE (Variational Quantum Eigensolver) com o Qiskit (IBM Q), podendo ser usado para o mesmo grupo de ativos e testado diretamente no Google Colab.

• Notebook 1 - Implementação da abordagem clássica e uma pequena demonstração do QAOA com Qiskit

2- Um Jupyter notebook que explora a abordagem quântica com o QAOA usando o myQLM com os mesmos ingredientes anteriores, onde exploramos mais profundamente a qualidade da solução e a covergência do QAOA em função do número de camadas. Jupyter notebook elaborado majoritariamente pela equipe do Senai/Cimatec (Anton e Gleydson).

• Notebook 2 - implementação do QAOA com o myQLM

Sobre o myQLM

Para instalação do myQLM recomendamos seguir a própria documentação do software, disponível em: Instalando o myQLM

Dica: dada a compatibilidade com Python 3.9 (tanto no Linux como no Windows), primeiro nós criamos um ambiente com a referida versão (com o nome "myqlm") com o comando

conda create -n myqlm python=3.9

Ativamos o ambiente com o comando

conda activate myqlm

Então seguimos todos os passos de instalação da documentação do myQLM.