Квантовые алгоритмы для высокочастотного статистического арбитража

Сводка

В статье предлагается квантовый подход к высокочастотному статистическому арбитражу между акциями. Он сочетает оценку числа обусловленности с переменным временем и квантовую линейную регрессию, а также вводит вспомогательные методы для оценки числа обусловленности и проверки коинтеграции.

Авторы сравнивают заявленную вычислительную сложность с классическим ориентиром; она выражена через число акций, число обусловленности и требуемую точность, а не через длину торговых данных. Это теоретическое утверждение о сложности, а не свидетельство эффективности при реальной торговле. В представленном описании нет эмпирической оценки, подробностей реализации или обсуждения практических ограничений оборудования, поэтому оно не показывает, можно ли применить заявленное ускорение в торговых системах.

Ключевые идеи

• Предложенный метод арбитража использует квантовую линейную регрессию и оценку числа обусловленности с переменным временем.
• Он включает отдельные инструменты для оценки числа обусловленности и проверки коинтеграции.
• Заявленная сложность зависит от числа акций, обусловленности задачи и требуемой точности.
• Описанное квантовое преимущество относится к вычислительной сложности; проверка на реальном рынке не приводится.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.