コンテンツへスキップ
ライブラリの全資料

高頻度統計的裁定のための量子アルゴリズム

記事 arXiv papers · 著者: Xi-Ning Zhuang et al.
原文を読む

サマリー

この論文は、株式間の高頻度統計的裁定に量子手法を提案します。可変時間の条件数推定と量子線形回帰を組み合わせ、条件数の推定と共和分検定を支援する手法も開発します。

著者らは提示された計算量を古典的なベンチマークと比較し、量子手法の計算量を取引データの長さではなく、銘柄数、条件数、目標精度で表しています。これは理論上の計算量に関する主張であり、実運用の成績を示す証拠ではありません。提示された説明には実証評価、実装の詳細、実用的なハードウェア制約に関する議論がないため、提案された高速化が実用的な取引システムにつながるかは明らかではありません。

主なアイデア

  • 提案される裁定手法は、量子線形回帰と可変時間の条件数推定を用います。
  • 条件数推定と共和分検定のための個別のツールも含まれます。
  • 提示された計算量は、銘柄数、条件付け、求める精度に依存します。
  • 説明されている量子優位性は計算上の主張であり、実市場での検証は示されていません。

タグ

株式裁定取引高頻度取引統計
全文
# Quantum Quantitative Trading: High-Frequency Statistical Arbitrage Algorithm


# Quantum Quantitative Trading: High-Frequency Statistical Arbitrage Algorithm









Quantitative trading is an integral part of financial markets with high calculation speed requirements, while no quantum algorithms have been introduced into this field yet. We propose quantum algorithms for high-frequency statistical arbitrage trading in this work by utilizing variable time condition number estimation and quantum linear regression.The algorithm complexity has been reduced from the classical benchmark O(N^2d) to O(sqrt(d)(kappa)^2(log(1/epsilon))^2 )). It shows quantum advantage, where N is the length of trading data, and d is the number of stocks, kappa is the condition number and epsilon is the desired precision. Moreover, two tool algorithms for condition number estimation and cointegration test are developed.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。