金融行业或将是量子计算率先大规模应用的领域。
近日,本源量子联合新华指数团队合作开发出量子启发式算法,该算法可以在经典计算机上运行,能够有效降低投资成本,加快决策效率,提升投资收益。
什么是量子启发式算法?
量子启发式算法是一种利用量子力学概念和原理的经典计算方法,可用于解决金融领域“指数追踪”和“基于指数的投资组合优化”问题,速度上相对传统经典计算方法有进一步提升。
量子启发式算法可以让投资者以更低的成本、更少的资金量投资复制指数类金融产品。
根据对股票市场历史统计数据结果分析,无论在熊市还是牛市,绝大多数投资者都无法达到超过大盘涨幅的收益。研究人员利用量子启发式算法,分别对沪深300指数以及新华500指数进行指数追踪,发现量子启发式算法相对常见的经典优化方法SLSQP算法,可以大幅减少股票池的规模,为投资者减少大量的交易费用,降低资金需求(如下图1、2)。
图1:算法配置股票池规模及累积收益率对比(沪深300指数)
图2:算法配置股票池规模及累积收益率对比(新华500指数)
在面对需要消耗更多计算资源的问题时,量子启发式算法还有相应的并行版本可以提供进一步加速。
对沪深300、中证500和中证800三种指数的指数优化研究中,研发人员采用量子启发式算法对比了两种不同的投资组合优化模型(均值-MV模型及均值-CVaR模型)。其中,采用均值-CVaR模型计算求得结果总是可以以投资更少数目的证券(相对于沪深300指数仅投资其中的36只证券,中证500指数投资57只,中证800指数投资178只)得到较同一时期指数更高的回报(如图3、4、5)。
当优化中证800指数时,均值-MV模型求解过程中待优化变量个数达到800个,一般的经典计算方法速度会明显降低,而此时量子启发式算法仍可以有高达10倍的速度提升。
图3:沪深300指数调整期内及模型优化结果在同一时期的累积收益率
图4:中证500指数调整期内及模型优化结果在同一时期的累积收益率
图5:中证800指数调整期内及模型优化结果在同一时期的累积收益率
本源量子品宣中心出品
执行/ 杨夏
-
量子
+关注
关注
0文章
478浏览量
25494
发布评论请先 登录
相关推荐
评论