量子科技中心_量科网

交易订单成交概率的估算是优化算法交易策略的核心要素。这一过程受限于金融市场的复杂动态性（其本身具有固有不确定性），以及从多变量金融时间序列中学习模型的局限性——这些序列往往呈现具有隐含时序模式的随机特性。本研究聚焦公司债券市场中对交易询价的算法响应，通过真实生产级盘中交易事件数据（经IBM Heron量子处理器运行的量子算法转换，并与无噪声量子模拟器结果进行对比），探究常见机器学习模型的成交概率估计误差。该团队提出一个框架，将这些量子生成的数据转换作为可解耦的离线组件嵌入系统，供模型在低延迟机构交易优化场景中按需调用。采用交易执行回测方法评估模型在不同输入数据下的成交预测表现。研究发现：相较于使用原始交易数据或无噪声量子模拟转换的模型，接入量子硬件转换数据的模型在样本外测试分数上最高可获得约34%的相对增益。这些实证结果表明，当前量子硬件中的固有噪声对此现象具有贡献，值得开展深入研究。该工作揭示了量子计算作为量化金融领域补充性探索工具的新兴潜力，并推动行业针对交易实践应用的实用性研究。