QUANTUM FINANCE · SCENARIO SAMPLING
金融情景模拟
未来市场可能进入扩张、正常、放缓、压力或复苏等不同状态。 这些“可能发生的未来”怎样先变成概率分布, 再由经典计算或量子计算进行采样?
本页把不同市场情景转换为投资组合损益,
然后比较经典情景采样与 Quantum Sampling / Amplitude Estimation 的计算路径。
01 · YOUR PORTFOLIO
设置投资组合和你关心的风险事件
$100,000
60%
30%
-10%
1000
可能出现的市场状态
Expansion · 扩张
Normal · 正常
Slowdown · 放缓
Stress · 压力
Recovery · 复苏
每一种状态都有一个发生概率,并对应不同的股票、债券和现金收益。
02 · QPRIMORA TRANSFORMATION
从多个可能的未来到量子状态
MARKET SCENARIOS
↓
SCENARIO PROBABILITIES
↓
PORTFOLIO RETURN PER SCENARIO
↓
PROBABILITY DISTRIBUTION
↓
QUANTUM AMPLITUDE ENCODING
↓
SAMPLING / AMPLITUDE ESTIMATION
03 · RUN THE SIMULATION
真正采样这些可能发生的市场未来
Classical Sampling
按照各情景概率,随机抽取一个市场状态。
计算该情景下的组合收益。
重复很多次,形成结果分布。
Quantum Path
把各市场情景的概率编码为量子振幅。
标记满足损失条件的量子状态。
通过采样或振幅估计得到损失概率。
04 · RESULTS
从这些模拟出来的未来中能看到什么?
EXPECTED RETURN
—
MC LOSS PROBABILITY
—
QUANTUM-PATH LOSS PROBABILITY
—
VaR 95% RETURN
—
CVaR 95% RETURN
—
各市场情景下的组合结果
实际采样得到的市场情景分布
WHY SCALE MATTERS
为什么“采样”本身很重要?
很多金融计算并不是寻找一个唯一答案,
而是在问“未来可能出现哪些结果,以及这些结果分别有多大概率”。
经典 Monte Carlo 通过不断重复随机采样解决这个问题;
量子算法则研究怎样用量子振幅表示和估计这些概率。
QPRIMORA ARCHITECTURE
从可能的未来到可计算的概率
Scenarios
→
Probabilities
→
Portfolio Outcomes
→
Quantum Amplitudes
→
Sampling
→
Risk Metrics