今天，我收到一封又一封的邮件，要求我对汇丰银行（没错，就是这家银行）与 IBM 联合发表的一篇新论文发表评论。该论文声称利用量子计算机在交易数据预测方面获得了 34% 的优势。（另请参阅这里和这里的博客文章，以及许多您可以轻松找到的热门文章，我就不提供链接了。）我们得到了什么？让我们来读一下摘要：
交易订单成交概率的估计是算法交易策略优化的关键要素。它受制于金融市场复杂的动态变化及其固有的不确定性，以及旨在从多元金融时间序列中学习的模型的局限性，而这些时间序列通常表现出隐藏时间模式的随机性。本文重点研究算法对公司债券市场交易查询的响应，并研究在给定真实生产规模的日内交易事件数据（这些数据由运行在 IBM Heron 处理器上的量子算法转换）以及用于比较的无噪声量子模拟器时，常见机器学习模型的成交概率估计误差。我们引入了一个框架，将这些量子生成的数据转换嵌入为一个解耦的离线组件，可以在低延迟机构交易优化设置中由模型选择性地查询。采用交易执行回测方法来评估这些模型相对于其输入数据的成交预测性能。我们观察到，与使用原始交易数据或无噪声量子模拟变换的模型相比，那些能够访问量子硬件转换数据的模型，其样本外测试得分相对提升高达约 34%。这些实证结果表明，当前量子硬件的固有噪声导致了这种效应，并激发了进一步的研究。我们的工作展示了量子计算作为量化金融领域补充性探索工具的新兴潜力，并鼓励行业应用研究朝着交易实际应用的方向发展。
正如人们所说，这里的红旗比解放军阅兵式还多。批评这篇论文并非“瓮中之鳖”，因为在我们读完摘要之前，鱼已经死了。
他们看到了该任务的量子优势，但这仅仅是因为他们的量子硬件中存在噪声？当他们用经典方法模拟无噪声量子计算时，优势就消失了？什么鬼？在我看来，这几乎等于承认了这种“优势”只是他们用来比较的特定方法的奇怪产物——它与量子力学，或者说与量子计算加速本身并无关联。
确实，选择性偏差的可能性确实存在。有多少次，有人对某种特定的量子学习方法和某种特定的经典方法进行了完全无原则、盲目地比较，结果量子方法得到的预测结果比经典方法得到的更差……然后就不发表论文了？
如果觉得我太苛刻，那是因为在我看来，这类研究的整个概念从一开始就存在致命缺陷，其优化目的是为了博取头条新闻，而非积累知识。我原本以为，首要任务是证明所研究系统或算法确实具备量子计算优势，哪怕只是针对一个毫无用处的基准测试任务。只有做到这一点，才有资格在算法交易、预测金融时间序列数据或其他领域寻找实际效益。如果跳过第一步，那么你从量子计算中发现的任何“效益”都极有可能只是“货物崇拜”的效益。
然而，这一切都无关紧要。这篇论文或多或少可以公开承认所有这些，但它仍然会不出所料地催生出大量关于汇丰银行使用量子计算机改进债券交易的轻信热门文章——人们认为这才是重点。量子论者（Qombies）在地球上四处游荡：那些“量子优势解决重要商业问题”的不死叙事，脱离了任何潜在的真理主张。即使是在这个全球排名前50的量子计算博客上，我也无能为力，只能对着虚空呐喊。