Kuantum Mekaniği ile İşlem Yapmak: Otonom Bir Yapay Zeka Ajanı Nasıl Oluşturulur

Bir parçacığın aynı anda iki yerde olmasını açıklayan matematik, bir portföyün aynı anda iki pozisyonda olmasını da açıklayabilir. İşte kuantum mekaniğinin yapısını otonom bir ticaret ajanına nasıl dönüştüreceğiniz - ve en az onun kadar önemlisi, benzetmenin nerede gerçek olmaktan çıkıp pazarlamaya dönüştüğü.

1. Neden kuantum ve neden şimdi

Gezegendeki her hedge fonu aynı üç fikri toz haline getiriyor: momentum, ortalamaya dönüş ve emir akışı üzerinde bir miktar makine öğrenimi. Avantaj giderek inceliyor çünkü herkesin paylaştığı piyasa modeli aynı - klasik bir model, fiyatın tek bir sayı ve geleceğin tek bir gürültülü yol olduğu.

Kuantum mekaniği farklı bir veri modeli sunuyor. Bir kuantum sistemi asla tek bir durumda değildir. Olası tüm durumların bir süperpozisyonunda yaşar ve her biri karmaşık bir olasılık genliği taşır. Bu, bir işlem yapmadan önce bir piyasanın çarpıcı derecede iyi bir tanımına denk gelir: varlık aynı anda yükseliyor, düşüyor ve yanlara doğru gidiyordur, her sonuç bir olasılıkla ağırlıklandırılmıştır, ta ki emriniz gerçekliği birini seçmeye zorlayana kadar.

İşte çoğu yazının atladığı kısım, bu yüzden önden söyleyeyim. Bunların hiçbiri için fiziksel bir kuantum bilgisayarına ihtiyacınız yok ve aşağıdakilerin çoğu gerçek anlamda kuantum değil. Bu kuantumdan ilham alan bir yaklaşım: kuantum mekaniğinin matematiksel yapısını - durum vektörleri, karmaşık genlikler, Hamiltoniyenler, tavlama, girişim - ödünç alan ve zaten sahip olduğunuz GPU'da çalışan klasik algoritmalar. Değer yapıdadır, kübitlerde değil. Bu ayrım konusunda dürüst olmak, kullanılabilir bir çerçeveyi bir moda sözcükten ayıran şeydir.

Bankalar ve kant ekolleri - Goldman Sachs, JPMorgan, HSBC ve aralarında Multiverse Computing gibi uzmanlar - türev fiyatlama, Monte Carlo riski ve portföy optimizasyonu için kuantum ve kuantumdan ilham alan yöntemler üzerinde aktif olarak araştırma yapmış ve yayınlamıştır. Teori herkese açıktır. Hemen hemen kimsenin yazmadığı şey, bunu otonom bir ajana - kendi başına algılayan, karar veren, uygulayan ve öğrenen bir sisteme - nasıl bağlayacağıdır. İşte burada inşa ettiğimiz şey budur.

2. Kuantumdan piyasaya sözlük

Herhangi bir koddan önce, eşlemeye ihtiyacınız var. Aşağıdaki her kuantum kavramının kesin bir ticaret benzeri vardır. Bu bölüme, sonraki her şey için kavramsal sözleşme olarak davranın.

Olasılık genliği, güvene karşılık gelir - ancak bir faz ile. Klasik olasılıklar sadece negatif olmayan sayılardır. Kuantum genlikleri karmaşıktır: her biri bir büyüklük ve bir faz açısı taşır. Faz, tüm yükseltmedir. İki yükseliş sinyalinin yıkıcı bir şekilde girişim yapmasına ve birbirini iptal etmesine veya iki zayıf sinyalin yapıcı bir şekilde güçlü bir sinyalde girişim yapmasına izin veren şeydir. Pozitif olasılıkları ortalamasını alan klasik bir topluluk bunu fiziksel olarak yapamaz – yapabileceği en iyi şey seyreltmektir. Faz, sinyallerin aktif olarak birbirini veto etmesine izin verir.

Dolaşıklık, ayrıştıramayacağınız korelasyona karşılık gelir. İki varlık birbirine bağlı bir rejim olarak hareket ettiğinde – büyük bir coin ve onun likiditesine binen memecoin'leri düşünün – birini diğeri olmadan dürüstçe tanımlayamazsınız. Ajan bunu ayrılamaz bir durum olarak kodlar; bu, statik bir korelasyon matrisinin özellikle kuyruklarda düzleştirme ve eksik gösterme eğiliminde olduğu rejime bağlı birlikte hareketi yakalar.

Hamiltoniyen, risk/getiri maliyet fonksiyonunuza karşılık gelir. Fizikte Hamiltoniyen H, bir sistemin enerjisini kodlar. Ticarette, hedefinizi - beklenen getiriyi maksimize etmek, varyansı minimize etmek, pozisyon ve bütçe limitlerine saygı duymak - bir enerji manzarası olarak kodlarsınız. Optimum portföy daha sonra taban durumudur: H'nin en düşük enerjili konfigürasyonu. Portföy oluşturma, çözümü çok iyi çalışılmış bir şey olan bir enerji minimizasyon problemi haline gelir.

Ölçüm ve çöküş, uygulamaya karşılık gelir. Bir emir gönderdiğiniz anda, süperpozisyon gerçekleşen bir sonuca çöker. Ajanın asıl işi, çöküşün karlı bir konfigürasyona düşme eğiliminde olması için ne zaman ve neyi ölçeceğini seçmektir. Heisenberg'e benzetilerek yerleşik bir risk ilkesi bile vardır: bir pozisyonun tam fiyatını ve tam momentumunu sınırsız hassasiyetle aynı anda belirleyemezsiniz. Birinde daha fazla kesinlik talep etmek, diğerinde kesinliğe mal olur. Bu bir benzetmedir, bir finans yasası değil – ancak kullanışlı bir benzetmedir ve daha sonra somut bir pozisyon büyüklüğü kuralına dönüşür.

3. Bir kuantum ticaret ajanının mimarisi

Ajan, altı modülden oluşan kapalı bir döngüdür. Bu yazıya ekli mimari diyagramı tam döngüyü gösterir; işte her aşamanın ne yaptığı.

1. Algılama. Ham piyasa verilerini alın - emir defteri, OHLCV, fonlama oranları, zincir üstü akış. Bunu bir özellik vektörü x'e normalleştirin. Bu sıradan kant tesisatıdır; henüz kuantum bir şey yok.

3. Hamiltoniyen oluşturucu. Risk/getiri hedefinizi ve kısıtlamalarınızı bir QUBO / Ising Hamiltoniyeni H'ye çevirin. Bütçe limitleri, riskten kaçınma ve beklenen getirilerin bir enerji manzarasına dönüştürüldüğü yer burasıdır.

4. Kuantumdan ilham alan çözücü. H'nin taban durumunu - optimum varlık seçimini - benzetilmiş tavlama, bir simülatörde QAOA devresi veya bir tensör ağ çözücüsü aracılığıyla bulun. Bu modül sizin portföy optimize edicinizdir ve kasıtlı olarak değiştirilebilir.

5. Ölçümle karar. Durumu somut pozisyonlara ve büyüklüklere çökertin, belirsizlik yüksek olduğunda Heisenberg tarzı kural maruziyeti daraltır.

6. Uygulama ve geri bildirim. Emirleri yönlendirin, gerçekleşen K/Z'yi gözlemleyin ve genlikleri güncelleyin. Ölçülen sonuç yarının öncülü haline gelir - donmuş bir strateji çalıştırmak yerine ajanın uyum sağlamasına izin veren bir pekiştirme döngüsü.

4. Kod: piyasayı kuantum durumu olarak kodlama

Durum matematiği için numpy kullanacağız ve kuantumdan ilham alan kısımlar için qiskit / pennylane kurallarına yaslanacağız. Burada hiçbir şey gerçek kuantum donanımı gerektirmez - bir dizüstü bilgisayarda çalışır.

Girişim asıl noktadır, bu nedenle kodlama, olasılıkları almadan önce sinyallerin karmaşık sayılar olarak eklenmesine izin vermelidir. Her alfa modeli, her piyasa senaryosuna karmaşık bir genlik - büyüklük güvene, faz zamanlama veya rejim uyumuna eşittir - katkıda bulunur. Katkıları modeller arasında toplarsınız ve ancak o zaman Born kuralını uygularsınız.

1import numpy as np
2
3def combine_signals(contributions: np.ndarray) -> np.ndarray:
4    """
5    contributions: complex matrix of shape [n_signals, n_scenarios].
6                   |value| = a model's conviction for a scenario,
7                   angle   = its phase (timing / regime alignment).
8    returns:       normalized state |psi> over the scenarios.
9    """
10    amplitudes = contributions.sum(axis=0)          # signals INTERFERE here
11    return amplitudes / np.linalg.norm(amplitudes)
12
13# Scenarios: [up, down, chop, breakout]
14# Two momentum models both lean 'up' -- but they are out of phase, so they partly cancel.
15signal_A = np.array([0.7+0j, 0.1+0j, 0.2+0j, 0.3+0j])       # bullish, phase 0
16signal_B = np.array([0.6*np.exp(1j*2.7), 0.15, 0.2, 0.25])  # bullish but ~anti-phase
17
18psi = combine_signals(np.vstack([signal_A, signal_B]))
19
20# Probability of each scenario = |amplitude|^2  (the Born rule)
21probs = np.abs(psi) ** 2
22print(probs.round(3))   # -> [0.147 0.102 0.26 0.491]

Anahtar satır Born kuralıdır: olasılık, genliğin karesine eşittir. İki yükseliş sinyali kare almadan önce karmaşık sayılar olarak toplandığından, faz dışı bileşenleri iptal olur ve kalabalık 'yükseliş' senaryosu saf 0,76'dan 0,147'ye düşer. Ajan, aşırı korelasyonlu bir konsensüs bahsini otomatik olarak söndürür. Bu, bununla düz bir olasılık ortalaması alan topluluk arasındaki somut, ölçülebilir farktır ve bu yazıya ekli girişim diyagramı aynı sayıları yan yana gösterir.

5. Kimsenin size göstermediği zor kısım: faz nereden gelir?

Size "kuantum ticareti" satan her yazı, fazları sessizce sabit kodlar ve fark etmemenizi umar. Yukarıdaki parçacıkta np.exp(1j\2.7) 'yi elle yazdım. Gerçek bir sistemde, fazı icat etmek tüm araştırma problemidir* ve aksini iddia etmek kendinizi kandırmanın en hızlı yoludur.

Bu nedenle faza bir dekorasyon değil, birinci sınıf bir modelleme hedefi olarak davranın. Tahmin etmek yerine fazı türetmek için birkaç temelli yol:

Zamanlama / döngü fazı. Her sinyali bir Hilbert dönüşümü veya bir dalgacık ayrıştırmasından geçirin ve baskın döngünün anlık fazını okuyun. Aynı yönde ancak farklı döngü fazlarında ateşlenen iki momentum modeli gerçekten kısmen iptal olmalıdır - bu tam olarak tespit etmek istediğiniz kalabalıklaşmadır.

Öncü-gerici faz. Bir sinyal ile ileri getiriler arasındaki çapraz korelasyon gecikmesini tahmin edin. Bu gecikmeyi bir açıya dönüştürün. Fiyatı önde götüren sinyaller bir faz alır; gerçekten sadece takip eden gecikmeler başka bir faz alır, böylece çift saymak yerine öncülerle yıkıcı bir şekilde girişim yaparlar.

Rejim fazı. Bir rejim sınıflandırıcısını (trend vs aralık, yüksek vs düşük vol) bir açıya eşleyin, böylece bir sinyalin katkısı rejim döndükçe döner. Bir kırılım modeli ve bir ortalamaya dönüş modeli daha sonra doğal olarak zıt fazların yakınında oturur.

Disiplin basittir: bir sinyalin neden sahip olduğu faza sahip olduğunu açıklayamıyorsanız, fazı kullanma hakkınız yoktur. Her şey için faz 0'a geri dönün ve klasik bir topluluğa geri dönersiniz - ki bu iyi ve dürüsttür. Faz, tam da zor kazanıldığı için güçlüdür.

6. Kod: portföyün taban durumu araması olarak

Kısıtlamalar altında portföy seçimi, birleşimsel optimizasyondur - bir bütçe ve risk limitlerine tabi olarak varlıkların en iyi alt kümesini seçin. Bu, tavlamanın inşa edildiği problemin tam şeklidir. 'Hangi varlıkların tutulacağını' bir QUBO (İkinci Dereceden Kısıtsız İkili Optimizasyon) olarak kodluyoruz, bir Ising Hamiltoniyeninin klasik ikizi.

1import numpy as np
2
3def build_portfolio_hamiltonian(expected_returns, cov, risk_aversion=1.0,
4                                budget=3, penalty=5.0):
5    """
6    Build a QUBO matrix Q so that minimizing x^T Q x  (x in {0,1}^n)
7    picks the best 'budget' assets: maximize return, minimize risk,
8    and softly penalize breaking the budget constraint.
9    """
10    n = len(expected_returns)
11    Q = np.zeros((n, n))
12
13    # return (negated, since we minimize) plus a risk term from the covariance
14    for i in range(n):
15        Q[i, i] += -expected_returns[i] + risk_aversion * cov[i, i]
16        for j in range(i + 1, n):
17            Q[i, j] += 2 * risk_aversion * cov[i, j]
18
19    # budget constraint (sum x_i - budget)^2 as a soft penalty
20    for i in range(n):
21        Q[i, i] += penalty * (1 - 2 * budget)
22        for j in range(i + 1, n):
23            Q[i, j] += 2 * penalty
24    return Q
25
26def simulated_anneal(Q, steps=20000, T0=5.0):
27    """Quantum-inspired annealing: slowly cool the system into its ground state."""
28    n = Q.shape[0]
29    x = np.random.randint(0, 2, n)
30    def energy(x): return x @ Q @ x
31    e = energy(x)
32    for t in range(steps):
33        T = T0 * (1 - t / steps)                 # linear temperature schedule
34        i = np.random.randint(n)
35        x_new = x.copy(); x_new[i] ^= 1          # flip one asset in/out
36        e_new = energy(x_new)
37        # accept improvements always, and worse moves sometimes (that is how it escapes local minima)
38        if e_new < e or np.random.rand() < np.exp(-(e_new - e) / max(T, 1e-9)):
39            x, e = x_new, e_new
40    return x, e
41
42returns = np.array([0.12, 0.09, 0.15, 0.04, 0.11])
43cov = np.array([
44    [0.10, 0.02, 0.01, 0.00, 0.03],
45    [0.02, 0.08, 0.02, 0.01, 0.01],
46    [0.01, 0.02, 0.18, 0.00, 0.02],
47    [0.00, 0.01, 0.00, 0.03, 0.00],
48    [0.03, 0.01, 0.02, 0.00, 0.09],
49])
50Q = build_portfolio_hamiltonian(returns, cov, risk_aversion=2.0, budget=2)
51selection, ground_energy = simulated_anneal(Q)
52print("Hold assets:", np.where(selection == 1)[0], "| energy:", round(ground_energy, 3))

Ölçek konusunda dürüst bir not. Beş varlıkta tavlamaya ihtiyacınız yok - 32 kombinasyonun tümünü kaba kuvvetle deneyebilirsiniz. Tavlama, arama uzayının patladığı ve kesin çözücülerin boğulduğu yüzlerce varlık ve katı kısıtlamalarda işe yarar. Bunu küçük ölçekte bu şekilde yazmanın nedeni, arayüzün asla değişmemesidir: simulated_anneal'i gerçek bir arka uçla değiştirin - D-Wave'nin tavlayıcısı, bir Qiskit simülatöründe QAOA devresi veya Multiverse'in gönderdiği türden bir tensör ağ çözücüsü - ve ajandaki başka hiçbir şey hareket etmez. Çözücü bir eklentidir.

7. Kod: ajan döngüsü (algılamadan çöküşe uygulamaya)

Şimdi birbirine bağlayın. Bu, otonom bir ajanın iskeletidir - bir LLM ajanının kullandığı aynı algıla/karar ver/hareket et kontrol döngüsü, ancak dünya modeli olarak metin yerine kuantum tarzı bir durumla.

1class QuantumTradingAgent:
2    def __init__(self, universe, risk_aversion=2.0, budget=2, gross_leverage=1.0):
3        self.universe = universe
4        self.risk_aversion = risk_aversion
5        self.budget = budget
6        self.gross_leverage = gross_leverage
7        self.memory = []                     # feedback / RL buffer
8
9    def perceive(self, market):
10        contributions = self.model_conviction(market)   # your alpha models -> complex matrix
11        return combine_signals(contributions)            # -> state |psi> over scenarios
12
13    def deliberate(self, market):
14        Q = build_portfolio_hamiltonian(
15            market["expected_returns"], market["cov"],
16            self.risk_aversion, self.budget)
17        selection, _ = simulated_anneal(Q)
18        return selection
19
20    def measure(self, psi, selection, market):
21        """
22        Collapse into orders. Two things happen here:
23        1) a GLOBAL conviction gate from the scenario state (directional + Heisenberg vol shrink)
24        2) a PER-ASSET weight so the chosen assets are sized by their own expected return
25        """
26        scenario_probs = np.abs(psi) ** 2
27        directional = scenario_probs[0] + scenario_probs[3]      # P(up) + P(breakout)
28        vol = market["volatility"]
29        gate = directional / (1.0 + self.risk_aversion * vol)   # shrink in high vol / low conviction
30
31        idx = np.where(selection == 1)[0]
32        if len(idx) == 0:
33            return {}
34        edge = np.clip(market["expected_returns"][idx], 0, None) # only long positive-edge names
35        weights = edge / edge.sum() if edge.sum() > 0 else np.ones(len(idx)) / len(idx)
36
37        sizes = self.gross_leverage * gate * weights
38        return {int(a): round(float(s), 4) for a, s in zip(idx, sizes)}
39
40    def act(self, market):
41        psi = self.perceive(market)
42        selection = self.deliberate(market)
43        orders = self.measure(psi, selection, market)
44        # execute(orders)   <- route to exchange / broker here
45        self.memory.append((market, orders))
46        return orders

measure()'a yakından bakın, çünkü önceki saf versiyonun gerçek bir kusuru vardı: seçilen her varlığa, her birinin ne kadar iyi olduğunu görmezden gelerek aynı boyutu uyguluyordu. Bu versiyon bunu iki aşamayla düzeltir. Bir küresel kapı, senaryo durumunu okur - yönlü güven, yani P(yükseliş) + P(kırılım), bir volatilite terimine bölünür. Bu bölme, risk yönetimi yapan Heisenberg tarzı kuraldır: piyasa kesin fiyatlamaya ne kadar direnirse, yani volatilite ne kadar yüksekse, ajanın toplam taahhüdü o kadar küçük olur. Ardından bir varlık başına ağırlık, bu bütçeyi seçilen isimler arasında kendi beklenen kenarlarıyla orantılı olarak dağıtır ve negatif beklenen getirisi olan hiçbir şeyde uzun kalmayı reddeder. Güven ne kadar bahis oynayacağınızı belirler; varlık başına kenar nereye gideceğini belirler.

8. Wall Street gerçeklik kontrolü

Bu gerçekten nerede para kazandırıyor ve nerede güzel bir demo? Burada spesifik olmak, geri kalanını inandırıcı kılan şeydir.

Bugün gerçek avantaj, klasik donanımda:

Ölçekte portföy optimizasyonu. Yüzlerce varlık ve katı kısıtlamalarla, tavlayıcılar ve tensör ağ yöntemleri, birleşimleri ve kısıtlamaları saf ortalama-varyans çözücülerinden daha zarif ve genellikle daha hızlı işler. Bu en olgun, en az abartılı uygulamadır.

Kuantum genlik tahmini yoluyla risk tahmini. Teoride bu, VaR ve CVaR için klasik Monte Carlo'ya göre ikinci dereceden bir hızlanma sunar. Büyük bankalarda en aktif araştırılan yönlerden biri olmaya devam etmektedir, çünkü risk çalışmaları pahalıdır ve sürekli çalışır. Uyarıya dikkat edin: başlıktaki hızlanma teorik bir asimptotik sonuçtur ve günümüz donanımı bunu henüz üretim ölçeğinde gerçekleştirememektedir.

Girişim yoluyla sinyal kombinasyonu. Güveni bir fazla modellemek, böylece kalabalık, aşırı korelasyonlu işlemlerin iptal olması, gerçekten kullanışlı bir yeniden çerçevelemedir ve bugün mevcut GPU'nuzda çalışır. Bu makaledeki en acil pratik fikirdir - Bölüm 5'teki faz problemini dürüstçe çözmeniz koşuluyla.

Hala çoğunlukla araştırma:

Gerçek kuantum donanımında uçtan uca türev fiyatlama. Prensip olarak umut verici, ancak gürültü ve kübit sayıları bugün onu sınırlıyor.

'Kuantum ML' fiyat tahmini. Aşırı abartılı. Klasik piyasa verilerini bir kuantum durumuna yüklemenin maliyeti genellikle kazanmayı umduğunuz herhangi bir hızlanmayı tüketir. Bunu satan herkese karşı çok şüpheci olun.

Dürüst alt satır: kuantumdan ilham alan ajan şu anda inşa edilebilir ve geri test edilebilir, çünkü her modül klasik donanımda çalışır. Hata toleranslı kuantum bilgisayarları beklemeden yapısal fikirleri - hipotezlerin süperpozisyonu, kalabalıklaşmaya karşı yıkıcı girişim, Hamiltoniyen tabanlı optimizasyon - yakalarsınız. Donanım olgunlaştığında, modül 4'ü değiştirir ve gerisini korursunuz.

9. Bunu üretimde gerçekten ne öldürecek

Her strateji piyasayla karşılaşana kadar parlak görünür. Bir dolar riske etmeden önce, kuantumdan ilham alan ajanları sessizce yok eden dört şeyi içselleştirin.

İşlem maliyetleri ve kayma. Girişim katmanı, her yeni veri geldiğinde güveni yeniden düzenler, bu da ajanı defterini döndürmeye teşvik eder. Ücretler ve kayma, durum vektörünüzün ne kadar zarif olduğunu umursamaz. Doğrudan Hamiltoniyene bir ciro cezası ekleyin ve yeniden çalıştırın - birçok 'avantaj', gerçekçi maliyetler uygulandığında buharlaşır.

Fazları aşırı uydurma. Faz size ekstra bir dizi serbest parametre verir ve serbest parametreler geri testlerin yalan söyleme şeklidir. Fazları, geçen yıl para basana ve gelecek yıl kanayana kadar ayarlamak önemsiz derecede kolaydır. Faz kurallarını getirilere bakmadan önce teoriden (Bölüm 5) düzeltin ve geri testin bunları sizin için seçmesine asla izin vermeyin.

Döngü boyunca veri avcılığı. Bu kapalı bir geri bildirim döngüsü olduğundan, sızıntı birleşir. Güven modeliniz, kovaryans tahmininiz veya rejim etiketleriniz geleceğe hafifçe bile bakarsa, tüm ajan yalanı miras alır. Sadece sinyali değil, tüm döngüyü ileriye doğru test edin.

Kovaryansın rejim kırılganlığı. QUBO bir kovaryans matrisine yaslanır ve kovaryanslar tam ihtiyacınız olduğunda patlar - bir çöküşte, korelasyonlar bire fırlar. Taban durumu seçimini sakin piyasa kovaryansı altında değil, şok edilmiş bir kovaryans altında stres testi yapın, aksi takdirde optimize edici size memnuniyetle sadece kağıt üzerinde çeşitlendirilmiş bir portföy verecektir.

10. İnşa kontrol listeniz

Bunu gerçekten göndermek istiyorsanız, işte operasyon sırası.

Kuantumdan ilham alan çözücü ile başlayın - düz numpy artı benzetilmiş tavlama. Donanım yok, hesap yok, bağımlılık yok.

Elle ayarlanmış genlikleri, combine_signals'ı besleyen öğrenilmiş bir güven modeli ile değiştirin ve fazları onları uydurmak yerine teoriden türetin.

Tüm döngüyü, maliyetlerle geri test edin, sadece sinyali değil. Gerçekçi ücretler ve kayma uygulayın, bir ciro cezası ekleyin ve ileriye doğru yürütün. Hem avantajın hem de kendini aldatmanın saklandığı yer, girişim ve boyutlandırma mantığıdır.

Soyutlama simülasyonda kendini amorti ettikten sonra gerçek bir arka uca uzanmalısınız - önce Qiskit veya PennyLane simülatörü, sonra D-Wave, sonra donanım. Modül 4'ü değiştirmek, tasarım gereği tek satırlık bir değişikliktir.

Piyasa her zaman bir olasılık dalgasıydı. Neredeyse herkes hala onu tek bir sayı gibi işlem yapıyor - ve bu iki görüş arasındaki boşluk, tüm fırsattır.

Bu, piyasalar hakkında nasıl düşündüğünüzü yeniden yapılandırdıysa, başını yeniden paylaşın ve takip edin. Tam açık kaynak ajan deposu bir sonraki yayında. ⚛️

Feragatname. Finansal tavsiye değildir ve getiri vaadi değildir. Kuantumdan ilham alan, kuantum garantili anlamına gelmez - bunu işe yarayan şeyin çoğu, kuantum paltosu giymiş disiplinli klasik modellemedir. Her şeyi gerçek maliyetlerle geri test edin; piyasa dalga fonksiyonunuzu hazır olsanız da olmasanız da çökertecektir.