用于基于傅里叶分布估计的量子机器学习方法及其在期权定价中的应用

量子技术的持续发展推动着各领域对其潜在应用的深入探索。在定量金融这一极具前景的领域,金融衍生品定价这一核心难题传统上通过蒙特卡洛积分技术解决。该工作提出了两种混合经典-量子方法来解决期权定价问题:这些方法基于参数化量子电路(PQCs)的量子机器学习模型输出,通过重构统计分布的傅里叶级数表征实现。研究人员分析了数据规模和PQC维度对性能的影响,并采用量子加速蒙特卡洛(QAMC)作为基准,从计算成本和傅里叶系数提取精度两方面定量评估所提模型。数值实验表明,所提方法实现了卓越的精度,成为衍生品估值领域具有竞争力的量子解决方案。
作者所在地: VIP可见
作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2025-10-22 11:43

量科快讯