Botella Juan, GuillermoDel Barrio García, Alberto AntonioCintia Mª Herrera Arenas2024-11-062024-11-062023https://hdl.handle.net/20.500.14352/110094Trabajo de Fin de Grado en Ingeniería de Computadores, Facultad de Informática UCM, Departamento de Arquitectura de Computadores y Automática, Curso 2023/2024.En este trabajo fin de grado, se aborda el desafío de asignar eficientemente un presupuesto limitado a una serie de acciones financieras para maximizar los beneficios, utilizando el algoritmo de optimización variacional cuántica (VQE) y se estudian diferentes optimizadores. Se desarrollan tres versiones del algoritmo VQE para abordar esta problemática de manera integral. En la primera versión, se emplea un enfoque binario, donde se decide si se escoge o no una acción. En la segunda versión, las acciones se codifican con un peso que indica su proporción. Por último, en la versión final (híbrida), se extraen los datos del historial de acciones de IBM y se combinan los dos enfoques anteriores. En esta versión, se aplica inicialmente el algoritmo de variables binarias para seleccionar las acciones óptimas y, posteriormente, se aplica el algoritmo sobre variables enteras para distribuir el presupuesto (Budget) de manera óptima entre las acciones escogidas. El presente TFG busca aprovechar la capacidad de los computadores cuánticos reales y los métodos clásicos de optimización para abordar problemas financieros complejos, ofreciendo una solución innovadora y prometedora en el campo de las finanzas cuánticas.In this TFG, we study how to efficiently distribute a limited budget to financial stocks to maximize, benefits, using the quantum variational optimization algorithm (VQE), and the study of different optimizers. There are three versions of the VQE algorithm developed to comprehensively approach this issue. In the first version, a binary approach is used, where it is decided if a stoke is or not chosen. In the second version, the stokes are coded with a weight indicating their proportion. Finally, in the final version (hybrid), the IBM stock history data is extracted, and the two previous, approaches are combined. In this version, we first apply the algorithm on integer variables to distribute the budget optimally among the chosen actions. This TFG looks to take advantage of the capacity of real quantum computers and classical optimization methods to approach complex financial problems, offering an innovative and promising solution in the sector of quantum finance.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/bachelor thesisopen access004(043.3)Computación cuánticaVQEFinanzasBancoAccionesQuantum computingFinanceBankStocksInformática (Informática)33 Ciencias Tecnológicas