La optimización de portafolios con restricciones de cardinalidad y lotes mínimos es NP-difícil, y por eso es el caso de uso financiero más serio de la computación cuántica. Este programa lleva al alumno de la formulación media-varianza a QUBO, de QUBO a QAOA y annealing, y de ahí a un benchmark reproducible contra CVXPY y OR-Tools. Termina defendiendo resultados ante una mesa de inversión, incluyendo cuándo la vía cuántica no conviene.
Dos meses de trabajo pre-profesional con estructura de research. Se arranca con Markowitz hecho en serio: datos reales, estimación robusta de covarianzas con Ledoit-Wolf, y la crítica práctica —en la línea de Damodaran y del buy-side— de por qué la frontera eficiente de libro de texto se rompe en producción. Enseguida se agregan las restricciones que usa un gestor real —cardinalidad, lotes mínimos, activos enteros, límites por sector— y se demuestra el estallido combinatorio que vuelve inviable la búsqueda exhaustiva. Ahí entra el idioma común: traducir el problema a QUBO y verificar la equivalencia energética con el Hamiltoniano de Ising. La parte cuántica implementa QAOA de principio a fin en Qiskit (profundidad p, elección del optimizador clásico, diagnóstico de barren plateaus), VQE con ansätze conscientes del hardware, y el mismo QUBO resuelto en un annealer de D-Wave con ajuste de embedding y chain strength. El cierre es lo que distingue a un quant de un entusiasta: benchmark contra CVXPY, OR-Tools y simulated annealing con métricas de calidad, tiempo-a-solución y costo, reportado sin inflar. El alumno presenta como se presenta en un comité de inversión.
Quantum Portfolio Optimization — te enviamos el brochure y un asesor te contacta.