跳至正文
返回文库全部文档

用于高频统计套利的量子算法

文章 arXiv papers · 作者: Xi-Ning Zhuang et al.
阅读原文

总结

本文提出一种面向股票高频统计套利的量子方法。该方法结合可变时间条件数估计与量子线性回归，并开发了用于估计条件数和检验协整关系的配套方法。

作者将所述复杂度与经典基准进行比较，量子方法的复杂度以股票数量、条件数和目标精度表示，而非交易数据长度。这是理论上的复杂度主张，不是实盘交易表现的证据。所提供的说明没有给出实证评估、实施细节或实际硬件限制方面的讨论，因此无法据此确定所提出的加速能否转化为可用的交易系统。

核心观点

  • 所提出的套利方法使用量子线性回归和可变时间条件数估计。
  • 该方法包含用于条件数估计和协整检验的独立工具。
  • 所述复杂度取决于股票数量、条件数和目标精度。
  • 文中所述量子优势属于计算层面的主张，未提供实盘验证。

标签

股票套利高频交易统计学
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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。