金融行業或將是量子計算率先大規模應用的領域。

近日，本源量子聯合新華指數團隊合作開發出量子啟發式算法，該算法可以在經典計算機上運行，能夠有效降低投資成本，加快決策效率，提升投資收益。

什么是量子啟發式算法？

量子啟發式算法是一種利用量子力學概念和原理的經典計算方法，可用于解決金融領域“指數追蹤”和“基于指數的投資組合優化”問題，速度上相對傳統經典計算方法有進一步提升。

量子啟發式算法可以讓投資者以更低的成本、更少的資金量投資復制指數類金融產品。

根據對股票市場歷史統計數據結果分析，無論在熊市還是牛市，絕大多數投資者都無法達到超過大盤漲幅的收益。研究人員利用量子啟發式算法，分別對滬深300指數以及新華500指數進行指數追蹤，發現量子啟發式算法相對常見的經典優化方法SLSQP算法，可以大幅減少股票池的規模，為投資者減少大量的交易費用，降低資金需求（如下圖1、2）。

圖1：算法配置股票池規模及累積收益率對比（滬深300指數）

圖2：算法配置股票池規模及累積收益率對比（新華500指數）

在面對需要消耗更多計算資源的問題時，量子啟發式算法還有相應的并行版本可以提供進一步加速。

對滬深300、中證500和中證800三種指數的指數優化研究中，研發人員采用量子啟發式算法對比了兩種不同的投資組合優化模型（均值-MV模型及均值-CVaR模型）。其中，采用均值-CVaR模型計算求得結果總是可以以投資更少數目的證券（相對于滬深300指數僅投資其中的36只證券，中證500指數投資57只，中證800指數投資178只）得到較同一時期指數更高的回報（如圖3、4、5）。

當優化中證800指數時，均值-MV模型求解過程中待優化變量個數達到800個，一般的經典計算方法速度會明顯降低，而此時量子啟發式算法仍可以有高達10倍的速度提升。

圖3：滬深300指數調整期內及模型優化結果在同一時期的累積收益率

圖4：中證500指數調整期內及模型優化結果在同一時期的累積收益率

圖5：中證800指數調整期內及模型優化結果在同一時期的累積收益率

本源量子品宣中心出品

執行/ 楊夏