本研究では、量子強化型機械学習を活用した新しい信用スコアリングシステム「Systemic Quantum Score (SQS)」を提案している。
まず、金融テクノロジー企業Fintonicの信用リスク評価モデルを基に、データの特徴抽出と量子カーネルの最適化を行う進化的アルゴリズムを開発した。この手法により、従来の機械学習モデルでは捉えきれない複雑な関係性を抽出することができる。
評価の結果、SQSは少ないデータからでも高い予測精度を発揮し、大規模データを必要とするXGBoostなどの従来手法を上回る性能を示した。特に、データが限定的で不均衡な状況下でその優位性が顕著であった。
このように、量子機械学習の特性を活かしたSQSは、データ不足に悩むフィンテック企業などにおいて、信用リスク評価の精度向上に大きな貢献が期待できる。今後は、実際の量子デバイスを用いた検証や、他の金融分野への応用など、さらなる発展が期待される。
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Javi... alle arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00015.pdfDomande più approfondite