本书总结了国内外量子金融算法的发展历程和最新进展，基于多年量子金融的探索研究与实践，提出了运用量子金融算法的方法论与解决范式，为金融业实践量子信息技术提供经验参考，有利于落实国家与央行量子科技战略规划，培养专业量子金融人才，普及量子金融概念，促进量子金融应用的发展。本书包括量子金融概述、量子计算基础、量子优化算法、量子随机建模算法、量子机器学习算法、未来挑战与建议等内容。
李鑫中国工信部元宇宙标准化工作组委员、国际电工委员会IEC元宇宙标准化专家评估组（SEG15）、北京金融科技产业联盟专委会委员与高级专家、中国计算机学会量子计算专委会执行委员与标准工作委员会委员、中国通信学会量子计算委员会与区块链委员会委员、中国电标院元宇宙工作委员会专家、信通院量子信息网络联盟专家。出版过多本畅销书籍。
第1部分 量子金融基础
第1章 量子金融概述 3
1.1 量子信息技术概述 4
1.1.1 总体概述 4
1.1.2 经典计算 5
1.1.3 量子计算 7
1.1.4 量子计算机 9
1.2 量子金融现状 9
1.3 量子金融发展趋势 12
第2章 量子计算基础 15
2.1 量子比特 16
2.2 量子逻辑门 17
2.2.1 单比特量子门 18
2.2.2 双比特量子门 18
2.2.3 三比特量子门 19
2.3 量子计算机硬件 20
2.3.1 超导量子计算 22
2.3.2 离子阱量子计算 22
2.3.3 半导体量子计算 23
2.3.4 光量子计算 23
2.3.5 中性原子量子计算 24
2.3.6 拓扑量子计算 24
2.4 量子计算云平台 25
2.5 基础量子算法 27
2.5.1 量子相位估计算法 29
2.5.2 Grover算法 30
2.5.3 量子振幅放大算法 34
2.5.4 量子振幅估计算法 36
2.5.5 迭代量子振幅估计算法 38
2.5.6 变分量子算法 40
2.5.7 量子退火算法 41
2.5.8 量子行走算法 43
2.5.9 Shor算法 44
2.5.10 HHL算法 46
第2部分 量子金融算法
第3章 量子优化算法 53
3.1 现代投资组合优化模型 57
3.1.1 Barra模型 58
3.1.2 Black-Litterman模型 59
3.1.3 风险平价模型 60
3.2 量子退火算法 61
3.3 Grover适应性搜索算法 63
3.4 量子近似优化算法 66
3.5 金融场景应用 69
3.5.1 投资组合优化 69
3.5.2 互换交易 72
3.6 扩展阅读 73
第4章 量子随机建模算法 77
4.1 量子蒙特卡罗算法 80
4.2 微分方程数值解的量子算法 83
4.2.1 基于量子线性系统的算法 84
4.2.2 变分算法 85
4.3 金融场景应用 86
4.3.1 期权定价 86
4.3.2 债务抵押债券定价 90
4.3.3 风险价值估计 92
4.4 扩展阅读 94
第5章 量子机器学习算法 97
5.1 量子聚类算法 101
5.2 量子分类算法 103
5.3 量子人工神经网络 106
5.4 量子卷积神经网络 109
5.5 量子贝叶斯网络 111
5.6 金融场景应用 115
5.6.1 金融风险分析 115
5.6.2 银行智慧运营场景 117
5.6.3 金融市场预测 118
5.7 扩展阅读 119
第3部分 量子金融展望
第6章 未来挑战与建议 123
6.1 量子金融发展面临挑战 124
6.1.1 硬件瓶颈 124
6.1.2 算法瓶颈 125
6.1.3 业务瓶颈 127
6.2 量子金融发展建议 128
6.3 潜力技术展望 129
6.3.1 后量子密码 129
6.3.2 量子货币 130
6.3.3 量子人工智能 131
附录A 中国计算机学会首届“司南杯”量子计算比赛（金融赛道）题目解析 133
A.1 比赛题目 134
A.2 拟二进制QAOA算法（特等奖方案） 135
A.2.1 范围约束离散模型 135
A.2.2 拟二进制编码 136
A.2.3 混合算子 137
A.2.4 精度迭代算法 139
A.2.5 模拟实验 139
书单推荐
