连续变量光量子线路学会资产相关性:二十只股票190对相关,符号与量级都能复现
核心概要
一种连续变量光量子生成模型把资产收益的相关结构交给光路来学:双模压缩产生相关,局域相位决定相关符号,可编程干涉仪把相关重新分配到各模式,训练只匹配协方差矩阵、无需采样。在五资产日收益上,优化后的线路复现了全部十个两两相关的符号与量级;在二十只标普500股票上,190对相关的符号大多恢复,残差分布集中在较小一侧。
深度剖析
生成多变量数据的任务被搬进一条连续变量光路:每个模式的位置正交分量经零拍探测读出,一次测量给出一个多维样本,相关结构由线路参数直接决定。 此前的连续变量玻恩机同样读取零拍样本,但用基于核的损失在样本上训练,演示只到单模目标和最多三模的量子态。 在五个资产(AAPL、MSFT、GLD、TLT、BTC-USD)的日对数收益上,优化后的线路复现了全部十个两两相关的符号与量级,包括TLT与两只股票之间的负相关和涉及GLD的弱相关。
训练不经过采样,只把模拟态的协方差矩阵与数据算出的皮尔逊相关矩阵对齐,因此整条流程留在高斯相空间方法内。 损失取两个相关矩阵各行之间的最大均值差异,用带箱约束的L-BFGS-B最小化,五个模式对应五个相位、三个压缩幅度和十个分束器角度。 五个模式的十个随机扰动初值都在4600次函数评估内把损失降到0.001以下;二十个模式、220个可训练参数、190个目标条目在五个初值上收敛到可比的平台。
弱克尔门被写成若干高斯分支的相干叠加,使非高斯元件也能用辛传播模拟。 克尔门的产生元是正交分量的四次项,没有辛表示,直接模拟会离开高斯方法。 借助Hubbard-Stratonovich恒等式和Levin配点法得到有限求和,在弱非线性、低占据的范围内与Fock后端精确克尔演化对比,误差随强度和光子数增长。
启示与展望
演示完全在Strawberry Fields和Piquasso的经典模拟中完成,对象是五资产与二十只标普500股票的日对数收益,训练目标是固定窗口内的样本相关矩阵,不涉及任何预测。
训练只最小化相关矩阵之间的距离,并不保证全分布匹配;生成边缘仍接近正态,而目标收益的尖峰和厚尾未被复现,波动最大的BTC-USD在仿射映射后仍有最大的总变差距离0.330。二十只股票的目标相关矩阵由48个观测估计,本身带有噪声。
