量子算法在金融高频交易中的飞跃

煤油灯科技2022-07-03 10:04

近半个世纪以来,世界各地的科学家在构建量子计算机方面付出了巨大努力,并正在寻找更广泛采用的用例。量子计算本质上是一种并行计算系统,因此它在各种各样的业务中获得吸引力也就不足为奇了,尤其是在金融服务领域,在这些领域,用例需要在瞬间内执行操作的高计算能力。 高频交易(HFT) 就是这样一种用例,量子计算机可以帮助加速交易生命周期中的订单预订。高频交易是一种算法交易策略,采用计算算法扫描个股,以发现最新趋势并在纳秒到毫秒内执行大量订单。如果分析发现触发因素,大量采购订单将在几分之一秒内下达。交易者的成功率与交易执行的速度成正比。2020年,全球算法交易市场规模为120亿美元,预计到2028年将增长至310亿美元。

将算法交易扩展到高频交易

纳斯达克推出成熟的电子交易加速了基于计算机的高频交易的发展,引导金融机构开发下一代解决方案和算法,以应对不断增长的高频交易交易量。此后,算法被设计用来利用实时市场数据,并采取“低买高卖”策略,在交易中实现盈利。

有待突破的技术壁垒

由于硬件快速变化和短暂的技术生命周期,高频交易需要定期升级高计算服务器。为了突破这一重大障碍,具有高计算能力和能够以 NIL 或接近零延迟处理大量数据的替代系统是必不可少的。

用于高频交易的量子算法

从速度上看,多个量子算法优于经典算法。执行一项操作所需的经典比特数与输入经典算法的数据量成正比。通过叠加和纠缠,量子计算本质上具有最高的处理能力,而且它可以在有限的量子位上执行类似的操作,这使它成为高频交易的首选。

量子计算和量子算法可以在更短的执行时间内处理具有大量市场数据的复杂流程,并且仍能以 99% 的准确率提供结果。研究人员正在精心研究近乎零误差的量子计算,以弥补1%的精度差距。量子并行允许我们通过同时执行同一个操作的多个实例来临时提高操作的准确性。这可以帮助使用量子点寄存器检测交易依赖,降低交易风险,及时执行订单,提高利润潜力。

高频交易可以被归类为一个复杂的优化问题,这意味着,随着复杂性的扩大,将传统算法应用于这类问题将导致指数级更大的执行时间。量子近似优化算法(QAOA)是量子理论和经典理论的结合,旨在解决复杂的优化问题。这种算法可以帮助找出短期内回报率最高的股票,随后进行高频交易。

改进的变分量子优化是混合量子经典算法的另一种变体,可用于根据当前市场价格确定证券的最佳交易价值。使用这种技术作为一组测量结果的样本均值来估计股票的预期价格,然后用经典方法计算近似的试验价格。该算法的应用可以降低高频交易执行中的价格风险。

量子退火处理器最适合解决优化问题。这些工具可以用于帮助高频交易者分析所选股票或交易所的排列,方法是降低同一股票交易所之间丢失价格差异的概率。

美国证券交易委员会(SEC)在2013年推出了市场信息数据分析系统(MIDAS),以揭露欺诈行为,包括欺骗,导致虚假的需求和供应增加。与其他欺诈者一样,欺骗者可能会在他们的行动过程中留下痕迹。在这里可以利用量子监视器来发现欺骗者的存在或区分真实数据和欺骗数据。量子不仅可以帮助资本市场机构,还可以帮助其监管机构确保公平竞争。

将量子引入高频交易面临的挑战

成功执行高频交易的一个关键要求是将交易服务器放置在靠近交易所的地方。虽然量子计算正在为高频交易进行探索,但它们目前还没有更接近交易所。随着技术进步的出现以及政府和监管机构的大力支持,我们可以预期未来会发生托管。这需要增加基础设施支出,并需要与硬件制造商进行更深入的合作以加快上市时间。尽管存在挑战,但其好处远远超过了使用量子计算机进行高频交易。

未来展望

量子计算算法可以生成分析模型,实时筛选大量市场数据,并呈现一系列股票,这些股票可以被优先考虑,用于成功的短期买卖策略。利润最大化可以利用股票优先排序。可以利用熟练的优化量子计算算法来促进投资组合的多样性和投资组合的再平衡,以响应市场条件和投资者需求。 量子 AI(人工智能)和 ML(机器学习)可以识别和呈现跨资产类别的机会,准确定位高潜力资产,并通过精确的优先级驱动高频交易。

尽管在将量子计算机用于高频交易的实际使用中,可用性和操作挑战令人担忧,但更广泛的采用并不遥远。金融机构与学术界、初创企业和硬件制造商合作,在量子计算领域取得了显著进展。这种合作将会持续下去。这一变革将带来新的机遇,同时使我们能够在资本市场实现高频交易业务。



原文链接:https://www.finextra.com/blogposting/22499/leap-forward-with-quantum-algorithms-in-high-frequency-trading


---煤油灯科技victorlamp.com翻译整理---

你可能也喜欢这些文章