Vai al contenuto
Quantum.world

The Signal

FirstQFM riporta un P&L di portafoglio superiore del 112% in un test di previsione quantistica

FirstQFM afferma che il suo sistema quantistico a reservoir ha prodotto un P&L lordo cumulativo superiore del 112% rispetto al benchmark classico più performante, in una valutazione delle previsioni finanziarie su 43 asset. Il sistema dell’azienda ha operato su hardware Rigetti, con dati forniti da SW7 Group.

FirstQFM riporta un P&L di portafoglio superiore del 112% in un test di previsione quantistica

FirstQFM afferma che il suo sistema quantistico a reservoir ha ottenuto un P&L lordo cumulativo di portafoglio superiore del 112% rispetto al benchmark classico più performante, in una valutazione annunciata il 3 novembre 2026. Il portafoglio, con asset di pari peso, comprendeva 43 asset anonimizzati e il sistema quantistico ha registrato un indice di Sharpe annualizzato di 1,22, contro l’1,02 del benchmark classico con il punteggio più alto. FirstQFM afferma che il suo sistema ha anche superato gli altri modelli testati per accuratezza direzionale e macro-F1.

Fonte prnewswire.com

Risultati su 43 asset anonimizzati

Per le previsioni relative al giorno successivo, su 600 periodi fuori campione, FirstQFM ha riportato un’accuratezza direzionale del 52,02% e un punteggio macro-F1 del 51,76%. Si tratta dei risultati più alti tra i modelli della valutazione. Considerando i singoli asset, il sistema ha registrato un’accuratezza direzionale superiore al 50% per 36 asset su 43 e un P&L lordo positivo per 41 su 43.

Un portafoglio separato utilizzava cinque asset selezionati attraverso una metodologia di diversificazione storica. FirstQFM afferma che questo portafoglio ha ottenuto un’accuratezza direzionale, un macro-F1 e un P&L lordo cumulativo superiori a quelli del portafoglio completo di 43 asset, con un indice di Sharpe annualizzato di 1,73. L’annuncio non rivela l’identità dei cinque asset.

Hardware Rigetti, dati SW7

Il sistema ha generato le proprie caratteristiche quantistiche sul sistema Cepheus-1-108Q di Rigetti Computing, utilizzando dati finanziari forniti da SW7 Group. SW7 ha anonimizzato gli asset e il compito di previsione prima di fornire i dati a FirstQFM. La valutazione ha suddiviso i dati in ordine cronologico in periodi di addestramento, validazione e test, e ha selezionato i modelli utilizzando soltanto i dati di validazione.

Il confronto ha incluso modelli classici di apprendimento automatico e statistici, oltre ai foundation model per serie temporali Chronos-2 di Amazon, Granite TTM-R2 di IBM e Toto 2.0 di Datadog. FirstQFM indica che questi sistemi sono stati inclusi nel confronto, ma nell’annuncio non ne fornisce i singoli punteggi.

Cosa mostra il test secondo Rigetti e SW7

L’amministratore delegato di Rigetti, Dr. Subodh Kulkarni, ha descritto la valutazione come un modo per esaminare sia le capacità attuali delle macchine sia le priorità dell’hardware.

«Lavori empirici come quello di FirstQFM ci aiutano a esplorare le capacità e i limiti dei computer quantistici di oggi, aiutando al contempo i team hardware a capire quali miglioramenti siano più importanti».

Dr. Subodh Kulkarni, amministratore delegato, Rigetti Computing

Il responsabile del rischio di SW7 Group, Oleksiy Kondratyev, ha dichiarato che l’azienda sta esplorando approcci a problemi complessi della finanza quantitativa.

«I risultati sperimentali dimostrano chiaramente che QRC ci offre l’opportunità di costruire soluzioni QML praticabili, con il potenziale di superare i benchmark classici».

Oleksiy Kondratyev, responsabile del rischio, SW7 Group

Il sistema di FirstQFM e le dichiarazioni commerciali

FirstQFM afferma di aver rilasciato una versione beta del sistema di previsione nel luglio 2026. L’azienda descrive il sistema come basato su una tecnologia proprietaria di foundation model che opera su una scala di un miliardo di parametri e afferma di sviluppare applicazioni per la gestione patrimoniale, il settore bancario, la sanità, la manutenzione predittiva e l’energia.

L’amministratore delegato di FirstQFM, Vish Ramakrishnan, ha definito il sistema pronto per il mercato e ha affermato che ha dimostrato il proprio valore per i clienti aziendali. L’annuncio rimanda i lettori a un blog tecnico di accompagnamento per i dettagli sulla metodologia e sui risultati, ma i dati dei benchmark presentati qui provengono dal comunicato dell’azienda.

Fonte

Notizie correlate

Esplora

Altri articoli