論文の概要: Enhanced fill probability estimates in institutional algorithmic bond trading using statistical learning algorithms with quantum computers

• arxiv url: http://arxiv.org/abs/2509.17715v1
• Date: Mon, 22 Sep 2025 12:51:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.388797
• Title: Enhanced fill probability estimates in institutional algorithmic bond trading using statistical learning algorithms with quantum computers
• Title（参考訳）: 量子コンピュータを用いた統計的学習アルゴリズムを用いた制度的アルゴリズム的債券取引における充足確率推定の強化
• Authors: Axel Ciceri, Austin Cottrell, Joshua Freeland, Daniel Fry, Hirotoshi Hirai, Philip Intallura, Hwajung Kang, Chee-Kong Lee, Abhijit Mitra, Kentaro Ohno, Das Pemmaraju, Manuel Proissl, Brian Quanz, Del Rajan, Noriaki Shimada, Kavitha Yograj,
• Abstract要約: 取引順序の充足確率の推定は、アルゴリズム取引戦略の最適化において重要な要素である。 量子データ変換を非結合のオフラインコンポーネントとして組み込むためのフレームワークを導入し、モデルによって選択的にクエリできる。 我々は、量子ハードウェアレイテンシーデータにアクセス可能なモデルに対して、サンプル外テストスコアの34%の相対的な増加を観察する。
• 参考スコア（独自算出の注目度）: 2.7714393813680314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The estimation of fill probabilities for trade orders represents a key ingredient in the optimization of algorithmic trading strategies. It is bound by the complex dynamics of financial markets with inherent uncertainties, and the limitations of models aiming to learn from multivariate financial time series that often exhibit stochastic properties with hidden temporal patterns. In this paper, we focus on algorithmic responses to trade inquiries in the corporate bond market and investigate fill probability estimation errors of common machine learning models when given real production-scale intraday trade event data, transformed by a quantum algorithm running on IBM Heron processors, as well as on noiseless quantum simulators for comparison. We introduce a framework to embed these quantum-generated data transforms as a decoupled offline component that can be selectively queried by models in low-latency institutional trade optimization settings. A trade execution backtesting method is employed to evaluate the fill prediction performance of these models in relation to their input data. We observe a relative gain of up to ~ 34% in out-of-sample test scores for those models with access to quantum hardware-transformed data over those using the original trading data or transforms by noiseless quantum simulation. These empirical results suggest that the inherent noise in current quantum hardware contributes to this effect and motivates further studies. Our work demonstrates the emerging potential of quantum computing as a complementary explorative tool in quantitative finance and encourages applied industry research towards practical applications in trading.
• Abstract（参考訳）: 取引順序に対する充足確率の推定は、アルゴリズム取引戦略の最適化において重要な要素である。 それは、本質的に不確実性を持つ金融市場の複雑なダイナミクスと、隠れた時間パターンを持つ確率的性質を示す多変量金融時系列から学ぶことを目的としたモデルの制限に縛られている。 本稿では,IBM Heronプロセッサ上で動作する量子アルゴリズムによって変換された実生産規模の日内取引イベントデータを与えられた場合の,企業債券市場における取引問い合わせに対するアルゴリズム応答に着目し,一般的な機械学習モデルの確率推定誤差について検討する。 我々は、これらの量子生成データ変換を、低レイテンシな機関間取引最適化設定でモデルによって選択的にクエリ可能な、分離されたオフラインコンポーネントとして組み込むためのフレームワークを導入する。 これらのモデルの入力データに対する充足予測性能を評価するために,取引実行バックテスト手法を用いる。 量子ハードウェア変換データにアクセス可能なモデルに対して,元の取引データを使用したり,ノイズのない量子シミュレーションによって変換されたモデルに対して,サンプル外テストスコアの最大で34%の相対的なゲインを観測する。 これらの経験的な結果は、現在の量子ハードウェアの固有のノイズがこの効果に寄与し、さらなる研究を動機付けていることを示唆している。 我々の研究は、量的金融における補完的な爆発的ツールとしての量子コンピューティングの新たな可能性を示し、取引における実践的応用に向けて応用産業研究を奨励する。

関連論文リスト

• TabularQGAN: A Quantum Generative Model for Tabular Data [42.34625645992943]
  合成データは、現実世界のデータが少ない、あるいはプライベートなシナリオで有用であり、既存のデータセットを拡張または置換するために使用することができる。 本稿では、フレキシブルなデータ符号化と新しい量子回路アンサッツを備えた量子生成逆ネットワークアーキテクチャを提案する。 提案手法はMIMIC IIIヘルスケアデータセットとアダルト・センサスデータセットでテストされ、主要な古典的モデルに対して広範なベンチマークが行われる。
  論文  参考訳（メタデータ） (2025-05-28T16:19:39Z)
• Quantum Reservoir Computing for Realized Volatility Forecasting [0.6249768559720121]
  量子貯水池計算は、非線形時間依存をモデル化するための機械学習と量子計算を組み合わせる。 本研究では,量子貯水池計算のボラティリティ予測への応用について検討する。 以上の結果から,提案手法は様々な指標のベンチマークモデルより一貫して優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-05-20T05:02:13Z)
• Contextual Quantum Neural Networks for Stock Price Prediction [0.0]
  我々は、コンテキスト量子ニューラルネットワークを用いて、複数の資産の株価を予測するために量子機械学習(QML)を適用した。 このアーキテクチャは量子ファイナンスにおいて最初のものであり、優れた予測力と計算効率を提供する。 我々の発見は、金融アプリケーションにおけるQMLの変革の可能性を強調し、より先進的でリソース効率のよい量子アルゴリズムの道を開いた。
  論文  参考訳（メタデータ） (2025-02-26T22:39:23Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• Quantum Computational Algorithms for Derivative Pricing and Credit Risk in a Regime Switching Economy [0.0]
  金融市場のリスクを模倣する観点からも現実的なプロセスのクラスを紹介します。 ゲート型量子コンピュータにおける信用リスクとオプション価格を推定するアルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2023-11-01T20:15:59Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Drastic Circuit Depth Reductions with Preserved Adversarial Robustness by Approximate Encoding for Quantum Machine Learning [0.5181797490530444]
  本研究では, 変分, 遺伝的および行列積状態に基づくアルゴリズムを用いて, 符号化画像データを表す量子状態の効率的な作成法を実装した。 その結果、これらの手法は、標準状態準備実装よりも2桁も浅い回路を用いて、QMLに適したレベルにほぼ準備できることが判明した。
  論文  参考訳（メタデータ） (2023-09-18T01:49:36Z)
• Inter-case Predictive Process Monitoring: A candidate for Quantum Machine Learning? [0.0]
  この研究は、最近のケース間予測プロセスモニタリングの進歩に基づいている。 予測精度に対するケース間機能の影響を総合的にベンチマークする。 量子機械学習モデルが含まれており、古典的なモデルに勝るものと期待されている。 BPIチャレンジによる実世界のトレーニングデータの評価は、ケース間の特徴が精度の4%以上向上していることを示している。
  論文  参考訳（メタデータ） (2023-06-30T18:33:45Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。