介绍： 投资组合优化过程需要修改。
几十年来，投资组合优化一直是现代金融的巅峰之作。
在1950年代，随着哈里·马克维茨（Harry Markowitz）的现代投资组合理论（“ MPT”）的引入，我们了解到，投资者可以通过选择和混合资产来平衡风险和回报。
定量融资只会变得更加复杂，涉及因子模型，蒙特卡洛模拟和机器学习的日益复杂的技术。
但是，现在我们有一个问题。
随着市场的不断增长，我们的数据变得越来越不可能，并且关系继续改变，传统算法挣扎。
因此，优化大型投资组合（具有数千资产）的数学很快就会在计算上繁重，并且在某个时候可能无法通过古典计算机解决。
这是 量子机学习（“ QML”） 发挥作用。
利用量子计算的力量与机器学习智能相结合，可以有机会以先前无法想象的尺度和速度解决投资组合优化问题。
量子机学习何时开始使用投资组合优化？
将量子计算用于财务并不是全新的。
研究论文在2000年代后期开始出现，但是对D-Wave，IBM和学者的市场进入的兴趣引起了人们的关注。
从2017年到2019年， 首次概念验证工作开始出现，使用量子启发的优化方法优化了术语投资组合（5-20个资产）。
但是，这些模型主要是学术实验，证明了可行性。
2020年及以后： 与IBM Quantum，Google Quantum AI和Microsoft Azure Quantum相匹配，Goldman Sachs，JPMorgan和HSBC等金融机构正在努力评估用于投资组合优化的实际量子硬件。
– 2025： 现在已经发生了向实时飞行员的转变，量子机器学习算法目前正在混合模式下执行，也就是说，经典和量子处理器正在一起工作。尽管尚未进行大规模采用，但从研究论文到实际实验的过渡肯定已经进行，这表明用于投资组合优化的QML正在上升。
主要参与者晋升了QML财务
IBM量子
与摩根大通（JPMorgan Chase）等银行合作，评估用于衍生定价和投资组合优化的量子算法。
向少数财务研究人员提供Qiskit开源框架。
Google Quantum AI
当该公司在2019年宣称“量子至上”时，Google Quantum AI脱颖而出。
它还正在研究量子神经网络，即一种可能将生命呼吸到财务优化的方法。
Microsoft Azure量子
Microsoft Azure Quantum正在创建一个基于云的平台，该平台允许金融机构访问量子求解器，而无需管理硬件的麻烦。
D波系统
D波系统是解决优化问题的量子退火的先驱。
金融机构
高盛： 在内部建造量子能力，用于交易和风险
JP Morgan： 使用QML建模风险，欺诈检测并识别投资组合策略
汇丰银行，巴克莱和法国巴黎银行正在运行带有量子启动的飞行员。
初创企业
QC Ware，Rigetti和Classiq都在推动金融中应用的量子算法的前沿。
要了解量子机学习的嗡嗡声，让我们研究一些基本技术：
量子位（Qubits）
与经典位不同，Qubits在某种绝对意义上不存在（0或1），而量子位于叠加中，并且能够同时代表0和1。
这允许并行探索，量子计算机能够同时部署投资组合状态的许多可能的评估。
纠缠
Qubits也可以纠缠，这意味着量子的状态取决于另一个量子的状态。
这使您可以以经典系统无法开始近似的方式对相关资产进行建模。
优化的量子算法
QAOA（量子近似优化算法）： 非常适合组合优化问题，例如投资组合选择。
VQE（变异量子本素）： 该方法可用于开发和近似复杂系统的解决方案。
量子退火： 一种专门的方法，是针对D-Wave设备设计的优化问题。
混合量子古典系统
当今的量子计算机仍然很吵。我们没有 NISQ（嘈杂的中级量表）
年龄。
金融公司正在倾向于混合模型，在该混合模型中，机器学习是一个预处理步骤，量子求解器正在处理瓶颈优化问题。
为什么量子机器学习可能会改变游戏规则
速度与规模
优化的经典方法通常与投资组合的大小大致缩小。
从理论上讲，量子算法可以“理论上”同时评估数百万个分配选项。
更好的风险管理
量子系统可以更清晰，直接地显示资产（相关，共同体和尾巴风险）之间的关系。
这使量子系统能够在市场压力时产生更好的投资组合。
披露多层策略
由于经典计算无法处理过多的复杂性，因此许多对冲基金和资产经理将创建简单的策略。但是，QML将包含增加复杂性的优势，并与股票，债券，衍生品，加密货币和商品建立综合框架，均集成到一个模型中。
奖励和利益高性能优化： 在没有原始力的情况下对非常大的数据集进行计算。
自适应学习：随着时间的流逝，机器学习会更好。
更好地模拟不确定性： 现在，我们还可以使用量子随机性，并且仍然代表现实的不确定性可能性。
第一个推动者优势： 现在采用这种情况的机构将具有首个推动者的竞争优势，否则将在未来3 – 5年内获得一套机构。
要小心什么
硬件限制
如今，量子计算机以几百吨的方式运行。现实生活中的财务实施可能需要1000秒。
噪音和稳定性
就噪声和稳定性而言，Qubits可能是脆弱的。生命赋予错误可以存在于计算结果中，这就是为什么当今量子社区中的重点领域是一个称为错误校正的子场。
一体化
量子系统将不会替代当前的经典系统；我们将需要与现有的交易和风险基础设施建立整合。
成本和可访问性
成本仍然很高； Quantum机器非常昂贵，尚未广泛使用。（相对于古典机器）。
QML如何更改您的优化投资组合
想象一下，资产经理正在全球所有市场和帐户中操纵10,000辆证券。他们需要无限的计算时间来确定真正的全局最佳投资组合。
使用QML，我们可以：
每日 – 小时 – 重新优化投资组合
快速压力实际上几乎实时测试了数百个场景。
即使对于零售投资者，也可以通过风险回收折衷来确定最细粒度和可定制的水平。
这可能是什么意思？
大规模的个性化财富管理（一种集成强大的AI的QML模型决定了QML将如何自定义个人的投资组合。）
动态投资组合立即对新闻和地缘政治行动做出反应。或成反比 – 市场下降。
未来即将到来
2025-2030： 飞行员和混合系统的新世界从这里开始。期望看到银行和管理资金利用与“侧面发动机”有关的“侧面发动机”相关的量子求解器。
系统的学习经验将胜过100/1000人的人类，以解决30-50个变量，以产生结果和估值。
2030-2040： 错误/校正有机会携带全面的QML模型并进行投资组合优化的经典部分。
2040-2050： 投资组合优化，风险和交易的量子本地财务平台都将在量子优先环境中进行。
还将有法规 – 调节器模式也将有干预措施 – 干预措施以确保没有量子动力的策略迫使新形式的系统风险。
最后的想法
让我清楚 – 用于投资组合优化的量子机学习现在比科幻电影更接近现实。无论是实验室还是飞行员，他们都在慢慢进入包括金融界在内的整个生态系统。
银行，初创企业和科技巨头正在依靠Quantum；通过合理化，量子将提供独特的优势。
使用QML的投资组合经理可能不会促进手动近似和快捷方式；他们将有能力计算真正的最佳投资组合分配，这可能在更少的时间内（与今天发生的事情相比）。
QML显然有可能改变投资。如果我们能够理解手动交易分类帐的演变到数字交易中，那么下一个更好的精确度和准确性的演变，即“ Quantum”，具有更改融资的能力。
今天能够成功采用QML的人可能宁愿享受精致的人工智能和量子机器学习的成果，并自信地投入更好的投资，并且全部成为明天的领导。
（tagstotranslate）FineXtra（T）新闻（T）在线（T）银行（T）银行（T）技术（T）技术（T）财务（T）财务（T）Financial（T）Fin（T）Tech（T）Tech（T）Fintech（T）Fintech（T）IT（T）IT（T）破坏（T）最新（T）最新（T）最新（T）零售（t）零售（T）t剥夺（t）贸易（t）执行（t）头条新闻（t）区块链（t）数字（t）投资（t）移动（t）业务（t）挑战者（t）付款（t）付款（t）Regtech（T）Regtech（T）Insurtech（T）Insurtech（t）服务
关键词：