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