고빈도 통계적 차익거래를 위한 양자 알고리즘

기사 arXiv papers · 저자: Xi-Ning Zhuang et al.

요약

이 논문은 주식 간 고빈도 통계적 차익거래를 위한 양자 접근법을 제안합니다. 가변 시간 조건수 추정과 양자 선형 회귀를 결합하고, 조건수 추정 및 공적분 검정을 위한 보조 방법도 개발합니다.

저자들은 제시된 복잡도를 고전적 기준선과 비교하며, 거래 데이터 길이가 아니라 주식 수, 조건수, 목표 정밀도를 기준으로 양자 방법을 표현합니다. 이는 이론적 복잡도 주장이지 실거래 성과의 근거가 아닙니다. 제공된 설명에는 실증 평가, 구현 세부 정보, 실용적 하드웨어 제약 논의가 없어 제안된 속도 향상이 실제로 쓸 수 있는 트레이딩 시스템으로 이어지는지 입증하지 않습니다.

핵심 아이디어

제안된 차익거래 방법은 양자 선형 회귀와 가변 시간 조건수 추정을 사용합니다.
조건수 추정과 공적분 검정을 위한 별도 도구를 포함합니다.
제시된 복잡도는 주식 수, 조건화 정도, 원하는 정밀도에 따라 달라집니다.
설명된 양자 이점은 계산상의 주장으로, 실거래 시장 검증은 제시되지 않습니다.

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

고빈도 통계적 차익거래를 위한 양자 알고리즘

요약

핵심 아이디어

태그