近日，本源量子团队再闯量子计算金融应用领域的“无人区”，在高频量化交易领域提出首个量子算法——基于协整性检验的高频统计套利量子算法。相关研究成果已发表在国际物理学领域的专业期刊New Journal of Physics。

高频交易的重要价值

高频交易（high-frequency trading, HFT）是指从那些人们无法利用极为短暂的市场变化中寻求获利的自动交易系统。高频交易具有以下三个主要特点：

• “高”——即高杠杆，通过小资金撬动大市场；
• “快”——全自动化，计算速度快，指令延时低；
• “大”——美国股市2%的高频交易机构完成了约70%的总体成交量。

高频交易的策略包括高频做市策略、“抢跑”策略和高频统计套利策略等。其中，统计套利是非常重要的一类高频交易算法，也是被很多高频和量化交易公司采用的主流策略。

高频交易的难点

高频交易的难点体现在硬件和算法两个方面。

硬件方面，由于高频交易对计算速度的要求极高，各交易机构在硬件技术上的军备竞赛日益激烈——从超高并行超低延时的FPGA到确保纳秒级时间精度的原子钟，甚至是提供极致速度的微波通讯线路。然而，此前依照摩尔定律发展的经典计算机，其能力将趋于物理极限。具备更高精度、更快速度等诸多优势的量子计算机，有望成为高频交易领域新的“杀手锏”。

算法方面，采用高频统计套利，其核心是对两种或多个资产关系的建模与检验，其中用到非常重要的一类时间序列方法叫做协整性检验。然而，在这些流程中采用经典算法主要存在三个方面的挑战：数据规模巨大，搜索空间增加很快，算法复杂度高——一方面，协同性筛选需要处理大规模高条件数矩阵，对这些矩阵的共线性判断，具有非常高的算法复杂度；另一方面，协整性检验需要多次线性回归，每次线性回归都需要进行大矩阵求逆过程，这个过程对数据规模N的依赖非常高。

量子算法赋能高频交易

本源量子金融团队和中科院量子信息重点实验室团队合作，提出了一种基于条件数预选和协整性检验的统计套利量子算法，包括可变时间预选算法（VTPA）和量子协整检验算法（QCTA）。可变时间预选算法的量子优势是能够加速探测共线性，它利用可变时间结构的条件数估计量子算法，对矩阵进行预选择，可以筛选出具有较高条件数，即潜在高共线性的矩阵。量子共线性检测首先利用量子相位估计随机得到矩阵的特征值，其次基于特征值概率估计矩阵的条件数下界，再通过矩阵条件数筛选出高共线性标的组合，最后利用可变时间结构进一步加速筛选过程。量子协整检验算法的优势是能够加速协整性检验，它利用HHL算法为核心的量子线性回归算法，可以快速计算多列数据的线性回归系数，从而计算残差和进行后续统计假设检验。

本源量子金融应用生态联盟

本源团队在量子金融方向上不断深耕，算法研究涵盖了量子模拟、量子组合优化和量子机器学习等方面，广泛涉及金融衍生品定价、期权策略、股票振幅预测、多因子选股模型、金融风险价值计算、投资组合优化、金融债务反欺诈风险及异常检测、债券违约预警、金融概率预测、网络监控和故障溯因等诸多实际金融应用场景。

2021年4月，本源量子发起成立了国内首个量子金融应用生态联盟，研发了国内首个量子应用云平台、国内首个对外开放真实量子计算机、国内首个移动端量子金融APP（新华财经）、国内首个面向专业开发者的量子金融算法库，并与中国国际金融股份有限公司联合申报了中国证券业协会2022年重点课题《基于量子计算技术的金融衍生品定价问题研究》。

未来，本源将继续探索量子计算如何赋能金融行业，不断在广度和深度上拓展量子计算在金融科技领域的实际应用，为量子金融的发展贡献中国力量。