量化金融的未来发展趋势如何？可以预见的是，数据和算力的重要性将日益凸显，超过模型和算法。
事实上，这种趋势在国外已经产生了好几年，无论是卖方还是买方都不例外。许多传统做模型的团队，现在也都纷纷地加入到大数据和深度学习的行列。甚至许多有足够实力的大型金融机构已经开始大幅度开发基于量子计算机的量化算法。
以衍生品定价为例，传统的路线是通过随机过程，建立模型，利用市场上流动性好的标准产品拟合参数，然后通过有限元或者蒙特卡罗方法等数值方法来对模型进行求解，并且得到相应的对冲策略，背后的原理是无套利定价。而目前流行的一种新的方法是所谓的深度对冲(deephedging),通过将定价和对冲归结为一个复杂的非线性优化问题，然后利用深度学习来进行求解。这一框架突破了传统的无风险套利的束缚，而是可以加入许多现实的约束条件，如交易成本，最大风险控制等传统的金融数学理论难以纳入的约束条件。具体而言，该方法将对冲问题归结为如下的优化问题：
对冲的标的可以是单个金融产品，也可以是一个投资组合。求解过程自然是很暴力，但是只要算力足够，就不是问题，甚至比传统的方法更为有效。具体细节可以参考文献[1].
对量子金融计算有兴趣的可以参考一下文献[2]。
参考文献
[1].,,
[2].QuantumcomputingforFinance,
版权声明：本站所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流，不声明或保证其内容的正确性，如发现本站有涉嫌抄袭侵权/违法违规的内容。请举报，一经查实，本站将立刻删除。