量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业20W+关注者，连续2年被腾讯云+社区评选为“年度最佳作者”。
量化投资与机器学习公众号解读
最近，JPMorgan Future Lab for Applied Research and Engineering的研究为我们讲述了量子机器学习的金融应用，让我们一睹为快！
该研究由JPMorgan量子技术和研究主管 Marco Pistoia 及其团队成员共同撰写。众所周知高盛和JPMorgan都在组建量子研究团队，高盛已经使用量子方法将衍生品定价速度提高了1000多倍。JPMorgan表示，金融行业“即使在短期内”也将受益于量子计算。
公众号之前也深度报道过量子计算的行业应用，请看：
1、资产定价
JPMorgan表示，大家一直在使用RNN进行时间序列预测，并考虑将其用于资产定价模型。然而，RNN消耗了大量的计算能力，使用PQCs和量子LSTM有很多优势，使用户能够根据历史数据对进化过程进行预测。
2、预测波动率
量子方法也可以用来确定证券价格的变化。深度量子神经网络会产生一个密度矩阵，期权的隐含波动性是使用矩阵中的各个元素计算出来的。
3、预测奇异期权结果
SVM可以用来预测外汇等市场中使用奇异期权的情况。量子技术可以促进这一点。
4、欺诈检测
量子聚类算法可用于执行异常检测和识别欺诈行为。
5、选股
量子聚类算法还可以对收益相似但风险不同的股票进行聚类，从而让投资者选择低风险高回报的股票。
6、对冲基金
同样的聚类算法也可用于根据资产类别、规模、费用、杠杆率和流动性等已知变量，识别可供基金投资的对冲基金。
7、算法交易
量子强化学习技术可以应用到算法交易中，以加决策速度，提高模型的复杂性。然而，研究人员指出，由于目前量子器件的硬件限制，这事还没发生。
8、做市商
像Citadel Securities、Jane Street这样的做市商可能会出于自己的原因对量子计算产生兴趣。JPMorgan表示：“做市商需要量子强化学习”。该问题被建模为“Agent状态”，Agent状态中可以加入存货及风险偏好等因素，还要考虑环境状态，因为一个Agent只能包含部分信息。
9、财务预测、会计、审计和风险评估
JPMorgan团队预测，量子NLP算法也将进入风险和会计团队。例如，NLP可用于“在贷款过程中诱发贷款人和借款人的情绪”，进行情绪分析以进行预测，或为财务会计标准创建语义知识库。
论文下载地址：https://arxiv.org/pdf/2109.04298v1.pdf
