응용
Finance & Trading
데스크가 실제로 안고 있는 문제를 위한 양자 및 고전 머신러닝: 폭락에 대한 데이터 부족, 바뀌는 국면, 현실적인 제약 아래의 최적화.
작고 국면이 바뀌는 데이터셋을 다루는 퀀트 데스크와 리스크 팀을 위해.
디자인 파트너 Sqetch Finance는 개발 프리뷰입니다. 소수의 디자인 파트너를 받습니다. 워크로드를 가져오시면 함께 범위를 정합니다.
활용 사례
도움이 된다고 보는 곳.
리스크
스트레스 테스트용 합성 데이터
과거 구간 밖의 시나리오에서 전략을 시험하기 위한 국면 인식 합성 시장 데이터. 지금은 고전 TimeGAN, 랩에서는 양자 회로 본 머신 노이즈 소스.
시그널
국면 탐지
그래디언트 부스팅 트리, 신경망, 또는 양자 신경망으로 시장 국면을 분류하고 국면별로 트레이딩 로직을 분기합니다.
최적화
체결과 포트폴리오
제약이 있는 포트폴리오 최적화를 Aria-Opt를 통해 QUBO 또는 MILP로 정식화합니다. 최적 체결과 은행 간 결제 재정렬이 그 다음 순서입니다.
백테스트
워크포워드 백테스트
합성 시계열에 대한 워크포워드 백테스트. PnL, 샤프 비율, 낙폭으로 평가합니다.
모델
지금 쓸 수 있는 것.
- OHLC 생성합성 OHLC 시계열을 위한 고전 TimeGAN, 그리고 실제 구간과 합성 구간을 비교하는 PCA 및 t-SNE 보고서.
- 국면 분류하나의 인터페이스 뒤의 OHLC 피처 기반 GBDT, DNN, QNN 분류기.
- HMM 국면 라벨로그 수익률, 범위, ATR, 실현 변동성, 모멘텀을 3-상태 은닉 마르코프 모델에 공급하고, 그 라벨로 하류 분류기를 학습합니다.
- 시간 순 분할과거로 적합하고 미래로 평가합니다. 내일의 데이터가 학습에 새어 들어가는 무작위 분할은 쓰지 않습니다.
계획 중인 연동
데스크에 어떻게 연결될지.
Sqetch Finance용으로 계획 중이며, 디자인 파트너마다 함께 범위를 정합니다.
- 인터페이스Python SDK, REST, Excel, 그리고 백테스트와 QML용 컨테이너 앱.
- 배포클라우드 PoC, 온프레미스 엔클레이브, 또는 스케일아웃 클러스터.
- 연합 학습데이터를 옮기지 않고 여러 사이트에 걸쳐 학습합니다. 파생 시그널만 집계됩니다.