Resource-Efficient QUBO Formulation for Anchored Currency Arbitrage

在全球高频金融世界中，资金在不同国家之间不断流动，一种货币相对于另一种货币的价格每秒都在变化。有时，这些价格会变得不同步。如果交易员在一个市场买入一种货币，在另一个市场卖出，然后买入第三种，最后再将第三种换回原始货币，他们可能会比开始时赚得更多。这被称为货币套利。这是一种从市场的微小错误中获利的方式。然而，寻找这些有利可图的循环极其困难。由于有数十种货币可用，所有可能的交易路径数量之大，以至于用肉眼或标准计算机去检查每一个路径，就像试图数清沙滩上的每一粒沙子一样。当加入现实世界的规则（例如从你持有的特定货币开始，并为每笔交易支付小额手续费）时，这个问题变得更加复杂。

研究人员 Eric Reinhardt 和 Adam Hauser 来自阿拉巴马大学，他们开发了一种名为二次无约束二值优化（QUBO）的新方法来解决这个谜题。这种方法旨在与特殊的计算机配合使用，包括未来的量子机器，这些机器旨在寻找系统的最低能量状态，这对应于问题的最佳解。该团队创建了一个数学模型，强制计算机寻找利润最高的交易循环，同时严格遵守从固定货币开始并支付交易费的规则。他们的工作表明，这种新模型比以往的尝试更高效，解决问题所需的构建模块更少。他们证明了即使利润微小到只有一分钱的零头，该方法也能找到精确的最佳路径，并展示了这种方法已准备好在未来的量子硬件上进行评估。

研究人员首先承认，虽然寻找盈利循环在理论上是可能的，但快速实现它是一个重大挑战。在一个完美的平衡市场中，来回交易会让你除了手续费之外，剩下的钱与初始资金完全一致。但在现实世界中，微小的失衡确实存在。想象一张地图，有些道路的旅行成本略低，聪明的旅行者会找到一条能返回起点并节省开支的路线。难点在于路径的数量之多。如果有十种货币，可能路径的数量增长速度极快，以至于计算机必须检查数十亿种组合才能确定找到了最佳路径。以往使用 QUBO 解决此问题的尝试都不得不简化问题，通常忽略了手续费或从特定货币开始的需求，这使得这些解决方案对真实的交易员而言缺乏实用价值。

Reinhardt 和 Hauser 构建了一个更符合现实的模型，其中包含了这些约束条件。他们设计了一个系统，要求计算机选择访问货币的序列，确保它绝不会连续访问同一种货币，并且始终回到起点。至关重要的是，他们为旅程中的每一步都增加了惩罚项，以代表交易费用。这迫使计算机寻找的不仅仅是一个漫长且曲折的路径，而是一个在支付成本后真正盈利的路径。他们还引入了一个巧妙的技巧来简化数学处理。代表货币价格的数字可能非常大，而实际的交易利润却很微小。这种规模上的差异可能会干扰硬件。研究人员应用了一种数学调整，将所有数字缩小到相同的微小规模，使得机器能够清晰地看到微小的利润，而不至于迷失在巨大的数字之中。

为了测试他们的想法，该团队使用经典计算机模拟了量子机器的行为。他们将这种新方法与五种现有的设置问题的方法进行了对比。在每一次测试中，他们的新模型都是唯一一个能够持续找到精确最优解的模型，即使在计入交易费的情况下也是如此。他们发现，与其他方法相比，他们的方法所需的变量（即“逻辑比特”）更少。这是一个显著的优势，因为目前的量子计算机拥有的这类变量数量有限。研究人员计算出，他们的模型可以容纳一个涉及 17 种不同货币且最多 14 个步骤的问题，并认为此类规模可能适合未来的量子退火硬件测试。这是一个通过简单列举所有选项无法解决的问题规模，因为那将需要检查超过 59 万亿条不同的路径。

研究还探讨了随着问题规模扩大，该方法的表现如何。当他们在多达 13 种货币的情况下进行测试时，模拟每次都能找到完美答案。然而，当货币数量增加到 14 种时，模拟有时会错过绝对最佳路径，尽管它仍能找到一个非常好的路径。研究人员指出，在标准计算机上，一种较旧的方法——Held–Karp 算法，在寻找答案方面仍然更快。这意味着，目前该方法在常规计算机上并不更快。它的真正价值在于其在量子硬件上运行的潜力，在量子硬件上，物理定律可能允许它比任何经典计算机都更快地解决这些问题。

团队还探讨了交易费用如何影响结果。他们表明，当费用较高时，计算机会正确地停止寻找长而复杂的循环，转而选择最短的路径，这通常只是快速的来回交易。这种行为符合真实交易员的做法。研究人员验证了他们设置惩罚项的数学规则足够强大，可以防止计算机选择不可能或错误的路径。他们证明，如果惩罚权重设置得当，计算机找到的最低能量状态将始终是一个有效的、盈利的交易循环。

这项工作代表了在使量子计算服务于金融领域方面迈出的重要一步。通过创建一个既符合现实又高效的模型，研究人员为如何利用这些强大的机器来解决实际交易问题提供了蓝图。虽然目前的测试是在模拟环境中进行的，但结果表明，当真正的量子硬件就绪时，这种方法可以被用来寻找那些目前因市场复杂性而隐藏的盈利机会。研究人员计划在未来将他们的模型应用于实际的量子机器，以观察它是否能在现实世界中超越最优秀的经典计算机。目前，他们已经证明，可以构建一个既尊重复杂多变的现实市场细节，又能保持简洁以应对下一代计算机处理能力的系统。