応用
Finance & Trading
デスクが実際に抱える問題のための量子・古典機械学習: クラッシュに関するデータの少なさ、移り変わるレジーム、現実の制約下での最適化。
小さくレジームが移り変わるデータセットを扱うクオンツデスクとリスクチームへ。
デザインパートナー Sqetch Finance は開発プレビューです。少数のデザインパートナーを受け入れています。ワークロードをお持ちいただければ、一緒に範囲を決めます。
ユースケース
役に立つと考えている領域。
リスク
ストレステスト用の合成データ
過去の窓の外のシナリオで戦略を試すための、レジームを意識した合成市場データ。今は古典 TimeGAN、ラボでは量子回路ボルンマシンのノイズ源。
シグナル
レジーム検出
勾配ブースティング木、ニューラルネットワーク、または量子ニューラルネットワークで市場レジームを分類し、レジームごとに取引ロジックを振り分けます。
最適化
執行とポートフォリオ
制約付きポートフォリオ最適化を Aria-Opt を通じて QUBO または MILP として定式化します。最適執行と銀行間決済の並べ替えはその次に取り組みます。
バックテスト
ウォークフォワード・バックテスト
合成系列でのウォークフォワード・バックテスト。PnL、シャープレシオ、ドローダウンで評価します。
モデル
今すぐ使えるもの。
- OHLC 生成合成 OHLC 系列のための古典 TimeGAN と、実データと合成データの窓を比較する PCA および t-SNE レポート。
- レジーム分類ひとつのインターフェースの背後にある、OHLC 特徴量に基づく GBDT、DNN、QNN 分類器。
- HMM レジームラベル対数収益率、レンジ、ATR、実現ボラティリティ、モメンタムを 3 状態の隠れマルコフモデルに入力し、そのラベルで下流の分類器を学習します。
- 時系列順の分割過去で学習し、未来で評価します。明日のデータが学習に漏れ込むシャッフル分割は使いません。
計画中の連携
デスクにどうつながるか。
Sqetch Finance 向けに計画中で、デザインパートナーごとに一緒に範囲を決めます。
- インターフェースPython SDK、REST、Excel、そしてバックテストと QML 用のコンテナアプリ。
- デプロイクラウド PoC、オンプレミスのエンクレーブ、またはスケールアウトクラスター。
- フェデレーテッドデータを移動させずに複数拠点で学習します。集約されるのは派生シグナルだけです。