第1部分 量子金融基礎(chǔ)
第1章 量子金融概述 3
1.1 量子信息技術(shù)概述 4
1.1.1 總體概述 4
1.1.2 經(jīng)典計算 5
1.1.3 量子計算 7
1.1.4 量子計算機 9
1.2 量子金融現(xiàn)狀 9
1.3 量子金融發(fā)展趨勢 12
第2章 量子計算基礎(chǔ) 15
2.1 量子比特 16
2.2 量子邏輯門 17
2.2.1 單比特量子門 18
2.2.2 雙比特量子門 18
2.2.3 三比特量子門 19
2.3 量子計算機硬件 20
2.3.1 超導量子計算 22
2.3.2 離子阱量子計算 22
2.3.3 半導體量子計算 23
2.3.4 光量子計算 23
2.3.5 中性原子量子計算 24
2.3.6 拓撲量子計算 24
2.4 量子計算云平臺 25
2.5 基礎(chǔ)量子算法 27
2.5.1 量子相位估計算法 29
2.5.2 Grover算法 30
2.5.3 量子振幅放大算法 34
2.5.4 量子振幅估計算法 36
2.5.5 迭代量子振幅估計算法 38
2.5.6 變分量子算法 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 量子優(yōu)化算法 53
3.1 現(xiàn)代投資組合優(yōu)化模型 57
3.1.1 Barra模型 58
3.1.2 Black-Litterman模型 59
3.1.3 風險平價模型 60
3.2 量子退火算法 61
3.3 Grover適應(yīng)性搜索算法 63
3.4 量子近似優(yōu)化算法 66
3.5 金融場景應(yīng)用 69
3.5.1 投資組合優(yōu)化 69
3.5.2 互換交易 72
3.6 擴展閱讀 73

第4章 量子隨機建模算法 77
4.1 量子蒙特卡羅算法 80
4.2 微分方程數(shù)值解的量子算法 83
4.2.1 基于量子線性系統(tǒng)的算法 84
4.2.2 變分算法 85
4.3 金融場景應(yīng)用 86
4.3.1 期權(quán)定價 86
4.3.2 債務(wù)抵押債券定價 90
4.3.3 風險價值估計 92
4.4 擴展閱讀 94
第5章 量子機器學習算法 97
5.1 量子聚類算法 101
5.2 量子分類算法 103
5.3 量子人工神經(jīng)網(wǎng)絡(luò) 106
5.4 量子卷積神經(jīng)網(wǎng)絡(luò) 109
5.5 量子貝葉斯網(wǎng)絡(luò) 111
5.6 金融場景應(yīng)用 115
5.6.1 金融風險分析 115
5.6.2 銀行智慧運營場景 117
5.6.3 金融市場預(yù)測 118
5.7 擴展閱讀 119
第3部分 量子金融展望
第6章 未來挑戰(zhàn)與建議 123
6.1 量子金融發(fā)展面臨挑戰(zhàn) 124
6.1.1 硬件瓶頸 124
6.1.2 算法瓶頸 125
6.1.3 業(yè)務(wù)瓶頸 127

6.2 量子金融發(fā)展建議 128
6.3 潛力技術(shù)展望 129
6.3.1 后量子密碼 129
6.3.2 量子貨幣 130
6.3.3 量子人工智能 131
附錄A 中國計算機學會首屆“司南杯”量子計算比賽（金融賽道）題目解析 133
A.1 比賽題目 134
A.2 擬二進制QAOA算法（特等獎方案） 135
A.2.1 范圍約束離散模型 135
A.2.2 擬二進制編碼 136
A.2.3 混合算子 137
A.2.4 精度迭代算法 139
A.2.5 模擬實驗 139