[论文解读] Designing a NISQ reservoir with maximal memory capacity for volatility forecasting

Samudra Dasgupta, Kathleen E. Hamilton+1 more|arXiv (Cornell University)|Apr 15, 2020

Neural Networks and Reservoir Computing参考文献 35被引用 9

一句话总结

本文提出了一种在IBM 53量子比特Rochester芯片上运行的混合量子-经典储备池计算框架，利用标普500（SPX）时间序列数据对CBOE波动率指数（VIX）进行预测。通过将SPX数值编码为旋转角度，并利用六量子比特寄存器的平均自旋，该模型实现了增强的记忆容量，并证明了NISQ设备在复杂非线性金融预测任务中的可行性。

ABSTRACT

Forecasting the CBOE volatility index (VIX) is a highly non-linear and memory-intensive task. In this paper, we use quantum reservoir computing to forecast the VIX using S&P500 (SPX) time-series. Our reservoir is a hybrid quantum-classical system executed on IBM's 53-qubit Rochester chip. We encode the SPX values in the rotation angles and linearly combine the average spin of the six-qubit register to predict the value of VIX at the next time step. Our results demonstrate a potential application of noisy intermediate scale quantum (NISQ) devices to complex, real world applications.

研究动机与目标

• 解决金融市场上非线性、记忆密集型波动率预测的挑战。
• 探索噪声中等规模量子（NISQ）设备在现实世界金融时间序列预测中的实际适用性。
• 设计具有最大记忆容量的量子储备池，以提升预测准确性。
• 在超导量子处理器上使用物理量子比特实现混合量子-经典架构。
• 评估量子储备池计算在从SPX数据预测CBOE波动率指数（VIX）方面的性能。

提出的方法

• 将标普500（SPX）时间序列数值编码为量子比特的旋转角度，以初始化量子储备池。
• 在IBM 53量子比特Rochester芯片上使用六量子比特寄存器作为量子储备池组件。
• 通过六量子比特寄存器的平均自旋测量结果的线性组合，生成下一时间步的VIX预测值。
• 实施一种混合量子-经典框架，其中量子处理负责特征转换，而经典后处理生成最终预测结果。
• 通过精心设计量子线路和测量策略，优化储备池的记忆容量。
• 在真实NISQ设备上执行量子储备池计算，以评估其在真实金融数据上的性能。

实验结果

研究问题

• RQ1 NISQ时代的量子储备池计算系统能否有效模拟CBOE波动率指数（VIX）的非线性动态？
• RQ2 真实超导处理器上的量子储备池在多大程度上能够实现用于时间序列预测的高记忆容量？
• RQ3 在使用SPX数据预测VIX时，量子储备池计算的性能与经典基线相比如何？
• RQ4 将SPX数值编码为旋转角度对量子储备池预测准确性有何影响？
• RQ5 NISQ设备上的量子储备池计算能否在复杂金融预测任务中实现实际应用？

主要发现

• 所提出的量子储备池计算框架成功地在真实NISQ设备上利用S&P 500时间序列数据预测了VIX。
• 该系统利用量子储备池固有的非线性变换能力，有效建模了复杂的波动率动态。
• 采用旋转角度编码SPX数值，实现了对量子储备池状态的有效初始化。
• 六量子比特寄存器的平均自旋作为预测下一时刻VIX值的稳健特征表示。
• 混合量子-经典架构证明了NISQ设备在记忆密集型、现实世界金融预测应用中的可行性。
• 结果表明，当前噪声硬件上的量子储备池计算在复杂金融时间序列上可实现有意义的预测性能。