paddle_quantum.finance.finance

量子金融的相关函数和模拟器类。

class DataSimulator(stocks, start=None, end=None)

基类: object

用于生成和计算投资组合优化和投资分散化问题要用的数据和相关参数。

参数:

set_data(data)

决定实验使用的数据是随机生成的还是用户本地输入。

randomly_generate(): 根据开始日期和结束日期随机生成用于实验的股票数据。

备注

若要随机生成股票数据，需要以 datetime 包中的格式指定开始日期和结束日期，如 start = datetime.datetime(2016, 1, 1)。

get_asset_return_mean_vector()

用于计算所有可投资股票的平均投资回报率。

get_asset_return_covariance_matrix()

用于计算所有可投资股票回报率之间的协方差矩阵。

get_similarity_matrix()

计算各股票之间的相似矩阵。

通过动态时间规整算法（Dynamic Time Warping, DTW）计算两股票之间的相似性。

portfolio_optimization_hamiltonian(penalty, mu, sigma, q, budget)

构建投资组合优化问题的哈密顿量。

参数:

C (x) = q \sum_{i} \sum_{j} S_{j i} x_{i} x_{j} - \sum_{i} x_{i} μ_{i} + A {(B - \sum_{i} x_{i})}^{2}

提示

将布尔变量 $x_{i}$ 映射到哈密顿矩阵上， $x_{i} \mapsto \frac{I - Z_{i}}{2}$ 。

portfolio_diversification_hamiltonian(penalty, rho, q)

构建投资组合分散化问题的哈密顿量。

参数:

\begin{array}{r} \begin{aligned} C_{x} & = - \sum_{i = 1}^{n} \sum_{j = 1}^{n} ρ_{i j} x_{i j} + A {(q - \sum_{j = 1}^{n} y_{j})}^{2} + \sum_{i = 1}^{n} A {(\sum_{j = 1}^{n} 1 - x_{i j})}^{2} \\ + \sum_{j = 1}^{n} A {(x_{j j} - y_{j})}^{2} + \sum_{i = 1}^{n} \sum_{j = 1}^{n} A (x_{i j} (1 - y_{j})) . \end{aligned} \end{array}

提示

将布尔变量 $x_{i j}$ 映射到哈密顿矩阵上， $x_{i j} \mapsto \frac{I - Z_{i j}}{2}$ 。

arbitrage_opportunities_hamiltonian(g, penalty, n, k)

构建最佳套利机会问题的哈密顿量。

参数:

C (x) = - P (x) + A \sum_{k = 0}^{K - 1} {(1 - \sum_{i = 0}^{n - 1} x_{i, k})}^{2} + A \sum_{k = 0}^{K - 1} \sum_{(i, j) \notin E} x_{i, k} x_{j, k + 1}

提示

将布尔变量 $x_{i, k}$ 映射到哈密顿矩阵上， $x_{i, k} \mapsto \frac{I - Z_{i, k}}{2}$ 。