量子计算助力金融风险管理：摩根大通携手QC Ware探索未来对冲策略

近日，摩根大通（JPMorgan Chase）与量子计算公司QC Ware宣布，共同研究利用量子计算技术进行金融风险管理的新方法。

在3月29日发布的一篇新论文中，摩根大通与QC Ware携手探索如何利用量子计算机提高金融产品对冲策略的效率与精度。

具体而言，即利用考虑市场摩擦和交易约束的数据驱动模型降低投资组合的风险，可能会通过量子计算得到改进。

研究人员首先检查了是否可以使用量子深度学习改进现有的经典深度对冲框架。然后，使用量子强化学习，他们研究了是否可以为深度对冲定义新的量子框架。

该研究发现，使用量子深度学习对经典框架进行深度对冲可以更有效地训练模型。

首先，在具有深层结构（如时间序列数据）的神经网络中，特征正交性可以提高可解释性、帮助避免消失梯度并加快训练速度。

其次，量子复合神经网络可以探索更大维数的优化空间，因此可能训练出更准确的模型（前提是要确保不会出现荒原平台现象）。

第三，在分布式强化学习算法中使用量子神经网络是天然适当的选择，这可以导致更好地模型效果。

最后，在为深度对冲训练竞争力量子模型时需要实现的量子电路相当小，因为量子比特数量和电路深度基本上等于到期时间。

除此之外，这项在 Quantinuum 的 H1-1 量子计算机上进行的研究还展示了未来计算加速的潜力，它可以通过嘈杂的中等规模量子 (NISQ) 硬件来实现。

对新量子框架的深度对冲还使量子价值函数能够实现：

（1）有效地学习回报期望和分布

（2）通过量子 actor-critic 强化学习模型提供改进的性能

（3）适当训练量子策略

量子应用可以在经典和量子环境下改进深度对冲，它利用量子机器学习方法，在高性能GPU硬件上提高准确性和可训练性，这将有助于金融服务行业随着量子计算变得更加商业化。

QC Ware的量子算法负责人Iordanis Kerenidis表示：“我们正在将深度对冲推向其下一个逻辑演进步骤。与摩根大通合作取得的成果展示了量子机器学习的巨大潜力和适用性，既可以通过使用量子思想为传统硬件提供新颖模型来实现今天的应用，也可以利用未来不断强大的量子硬件。”

摩根大通全球技术应用研究主管Marco Pistoia表示：“随着量子计算不断成熟，摩根大通的领先地位只会通过未来可靠算法而进一步巩固，并产生持续改善的结果。我们很高兴能够进一步优化已经出色的对冲策略，不仅为投资者创造价值，而且还能在市场上更频繁地进行复杂的对冲。这项工作有助于为银行将量子计算纳入其深度对冲策略铺平道路。”

关于QCWare

QC Ware是一家量子和经典计算软件及服务公司，专注于确保企业为新兴的量子计算颠覆做好准备。QC Ware专门从事机器学习和化学模拟应用程序开发，既针对近期的量子计算硬件，也致力于最先进的经典机器研发，并由行业内一些顶尖的量子和经典计算专家组成团队。

摩根大通是一家总部位于美国的领先金融服务公司，业务遍及全球。截至2022年12月31日，摩根大通拥有3.7万亿美元资产和2920亿美元股东权益。全球拥有超过55,000名技术人员，并且每年在技术方面的支出达到140亿美元，致力于改进设计、分析、开发、编码、测试和应用程序编程等方面，以创建高质量软件和新产品。

引用：

[1]https://www.qcware.com/

[2]https://arxiv.org/abs/2303.16585

声明：此文出于传递更多信息。若有错误或侵权，请联系