量子计算在金融市场行业轮动中的实证研究

《“十四五”数字经济发展规划》指出，要加快推动数字产业化，增强关键技术创新能力，瞄准传感器、量子信息、网络通信、集成电路、关键软件、大数据、人工智能、区块链、新材料等战略性前瞻性领域。二十大报告指出“一些关键核心技术实现突破，战略性新兴产业发展壮大，载人航天、探月探火、深海深地探测、超级计算机、卫星导航、量子信息、核电技术、大飞机制造、生物医药等取得重大成果，进入创新型国家行列”。目前，已有机构开始将量子算法运用在投资组合、资产定价等金融领域的实证研究中。中国私募基金风险管理研究中心发布的《中国量化基金白皮书》数据显示，当前，中国量化基金管理规模已超1万亿元。量子计算具备的潜在算力优势和量子通信形成的安全传输能力与量化投资领域的大规模数据运算及安全交易天然匹配，量子科技与量化金融的结合有望给金融领域带来飞跃性的技术变革。

本文聚焦量子算法在我国二级市场行业轮动策略的实证研究，将量子近似优化算法(Quantum Approximate Optimization Algorithm，QAOA)应用于资产组合构建过程中的行业权重配置环节，以期为量子科技助力量化金融策略优化提供新思路。

一、量子近似优化算法

赋能金融投资组合构建

量子近似优化算法由Edward Farhi等人在2014年提出。该算法是一种经典计算与量子计算的混合算法，可用于解决组合优化问题、最大分割问题等难题，尤其在解决某些NP-hard问题时有明显的加速效果，可以在多项式复杂度下给出问题的近似解，适用于投资组合、风险管理和干线物流等场景。

针对量子优化算法在投资组合领域的应用，学界已开展了一系列研究探索。Iordanis Kerenidis等(2019)开发了第一个用于约束投资组合优化问题的量子算法。G.G.Guerreschi和A.Y.Matsuura(2019)指出QAOA在解决最大分割问题时需要数百个量子比特加速。Stuart Hadfiel等(2019)介绍了量子交替算法，该算法是量子近似算法的拓展，支持更大范围、更有效的状态集，可以解决各种近似优化、精确优化和采样问题。White Nathan等(2021)使用QAOA满足中等噪声规模量子(Noisy Intermediate-Scale Quantum，NISQ)计算机的约束条件，研究投资组合优化问题，以最大限度地减少投资组合波动，同时最大化预期回报。Samuel Fern