Versnel risicobeheer in kapitaalmarkten met behulp van Quantum Risk Analysis (Karthikeyan Rengasamy)

Volatiliteit op de aandelenmarkten wordt vaak geassocieerd met beleggingsrisico. Als het risico echter effectief wordt beheerd, kan het ook solide rendementen opleveren voor beleggers. De investeringsmanagers en investeerders erkennen dat ze rekening moeten houden met andere factoren dan:
het verwachte rendement voor betere voorspelling en besluitvorming. Het besluitvormingsproces is gevuld met onzekerheid, met tal van mogelijkheden en waarschijnlijkheden die een breed scala aan beloningen en risico's inhouden. Er is een manier om investeringen te helpen
managers en investeerders bij het nemen van beslissingen door hen een realistische inschatting te geven van de betrokken risico's. De Monte Carlo-methode, ook wel Monte Carlo-simulatie genoemd, zorgt voor betere besluitvorming in onzekere situaties doordat we kunnen kijken
alle resultaten van onze keuze en het beoordelen van het risico dat eraan verbonden is. Het zou verstandig zijn om Monte Carlo-simulatie te overwegen wanneer er een aanzienlijk aantal onzekerheden is. Als dat niet het geval is, kunnen de voorspellingen aanzienlijk afwijken, waardoor de beslissingen negatief worden beïnvloed.
Meestal zal deze methode proberen te samplen in overeenstemming met de kansverdeling die de mogelijke uitkomsten van een gebeurtenis illustreert. Onafhankelijke steekproeven geproduceerd door Monte Carlo-simulatie zijn mogelijk niet geschikt voor alle problemen. Ook de rekenkundige
vereisten van Monte Carlo-simulatie zijn het meest overtuigende argument ertegen. Veel gevallen van kapitaalmarktgebruik die momenteel worden opgelost met behulp van Monte Carlo-simulatie, zoals risicoanalyse en prijsstelling van opties, kunnen mogelijk sneller worden opgelost
door kwantumalgoritmen.

Monte Carlo-simulatie en kwantumalgoritme voor risicobeheer

De Monte Carlo-methode wordt gebruikt om de waarschijnlijkheidsruimte van een enkele gebeurtenis of een reeks gerelateerde gebeurtenissen te verkennen. In kapitaalmarkten, de Value at Risk (VaR - kwantificeert de omvang van potentiële financiële verliezen over een specifieke periode) en voorwaardelijke waarde
at Risk (CVaR- kwantificeert de verwachte verliezen die optreden buiten het VaR-breekpunt) van een portefeuille kan worden bepaald met behulp van Monte Carlo-simulatie. Dit helpt bij het voorspellen van het worstcasescenario voor het berekenen van risico, gegeven een betrouwbaarheidsinterval over een gegeven
tijdshorizon. Het uitvoeren van deze modellen op een aanzienlijke hoeveelheid gegevens in verschillende dimensies kan echter rekenkundig duur zijn. Het kan ook zijn dat het de mogelijkheden van de klassieke computers van vandaag te boven gaat. Hier zullen we praten over hoe het kwantumalgoritme op a
kwantumcomputer kan aandelenportefeuillerisico, kredietrisico en valutarisico effectiever beheren dan Monte Carlo-simulatie op een klassieke computer.

Risicobeheer van de aandelenportefeuille

Volgens de definitie van de Value-at-Risk- en Conditional Value-at-Risk-metingen, kan het interessant zijn om de waarschijnlijkheid in te schatten van een toekomstig verlies van de gegeven portefeuille dat een vooraf bepaalde waarde overschrijdt. Dit houdt in het analyseren van alle mogelijke
activaparen die in gebreke kunnen blijven of een groot aantal conventionele samples in een Monte Carlo-simulatie die hoge rekenkracht vereist om te worden uitgevoerd. Dit kan in Quantum Computer enorm worden versneld door algoritmen die zijn gebaseerd op:
Quantum Amplitude Schatting. Amplitudeschatting is een kwantumalgoritme dat wordt gebruikt om een ​​onbekende parameter te schatten die sneller in de tijd kan lopen dan het klassieke Monte Carlo-algoritme. De kracht van een kwantum
computer groeit exponentieel in verhouding tot het aantal
qubits verbonden. Dit is een van de redenen waarom kwantumcomputers uiteindelijk beter kunnen presteren dan klassieke computers in risicoanalyse met grote hoeveelheden gegevens.

Kredietrisicobeheer

Het is van cruciaal belang voor financiële instellingen om het kredietrisico van hun kredietnemers te beoordelen om te voldoen aan het economisch kapitaalvereiste (ECR). Financiële instellingen die gespecialiseerd zijn in het uitlenen van geld, in dit verband Lenders genoemd, beoordelen de
risico van een lening alvorens goed te keuren. Lenders evalueren het risico door te bepalen of de lener waarschijnlijk betalingen zal missen. Kredietverstrekkers beoordelen de huidige financiële positie, financiële geschiedenis, zekerheden en andere criteria van een kredietnemer om te bepalen hoeveel kredietrisico
hun lening zal zijn. Klassieke methoden voor risicoberekening hebben de voorkeur van kredietverstrekkers die voorzichtiger en risicomijdend zijn. Deze klassieke methoden zijn echter rigide en produceren resultaten met slechts een beperkt aantal vaste parameters. Een 360-graden uitzicht hebben
van het risico van de kredietverstrekker over de hele kredietnemersgroep kan nieuwe demografische gegevens openen voor kredietverlening terwijl de risicodrempel laag blijft. Dit vereist uiteindelijk hoge rekenkracht om het kredietrisico van de barrowers en hun lening te berekenen. In tegenstelling tot de klassieke Monte
Carlo Simulatie, de Quantum Amplitude Schatting model kan de Conditional Value at Risk schatten met minimale extra overhead en in bijna realtime. De kans op succes van dit algoritme kan zijn:
snel verhoogd door de schatting meerdere keren te herhalen, wat helpt bij het bereiken van een hogere nauwkeurigheid.

Valutarisicobeheer 

Het risico van financiële gevolgen van fluctuerende wisselkoersen staat bekend als valutarisico of wisselkoersrisico. Valutarisico treft ook niet-financiële ondernemingen die vorderingen of schulden hebben in een vreemde valuta. De Value at Risk wordt
gebruikt om de financiële reserve te berekenen en om haar vorderingen of schulden veilig te stellen. De Monte Carlo-simulatie is eenvoudig, gemakkelijk te implementeren en flexibel om verschillende veronderstellingen te maken voor het voorspellen van het valutarisico van een onderneming. Echter, kwantumcomputers
kan sommige taken met betrekking tot het beheer van valutareserves efficiënt oplossen, zoals risicometing met behulp van het Quantum Amplitude Estimation-model. Vergeleken met klassieke computers zijn kwantumcomputers gevoeliger voor fouten. Om deze moeilijkheid aan te pakken, is het proces
wordt enkele duizenden keren herhaald en de uitkomst wordt berekend als het gemiddelde van alle resultaten. Door het model uit te voeren met verschillende willekeurige variabelen, kan de nauwkeurigheid van de verwachte Value at Risk worden verbeterd.

Toekomst vooruit

Traditionele benaderingen om de prestaties van Monte Carlo te verbeteren, zijn gebaseerd op belangsteekproeven. Het probleem blijft echter meestal moeilijk in termen van de benodigde rekenkracht om het in realtime op te lossen. Hierdoor is het potentieel van het kwantumalgoritme om
verhoging van de efficiëntie op het gebied van financiële risicobeoordeling is bijzonder dwingend. In theorie kunnen nachtelijke berekeningen worden ingekort tot een korter tijdsbestek, waardoor risico's bijna in realtime kunnen worden beoordeeld. De financiële instellingen zouden
reageer op veranderende marktomstandigheden en profiteer sneller van handelsmogelijkheden met dergelijke bijna-realtime analyse. Banken gebruiken voornamelijk Monte Carlo-simulatie voor complexe modellen die de onzekerheid in variabelen van een risicoanalyse kunnen verklaren.
De bovengenoemde argumenten moedigen ons aan om de kwantumalgoritmische modellen te overwegen. We kunnen niet beweren dat kwantumalgoritmen superieur zijn aan klassieke algoritmen vanwege de asymptotische neiging van schattingsfouten met betrekking tot rekentijd. Echter,
we verwachten dat kwantumfoutcorrectie, die kwantumberekening gebruikt om kwantumtoestanden te beschermen tegen fouten, een mogelijke oplossing is voor het ruisprobleem, en de Quantum Amplitude Estimation zal superieur zijn aan conventionele Monte Carlo-simulaties door
het overwinnen van deze fouten. Daarom maakt de belofte van een versnelde kwantumversnelling het buitengewoon aantrekkelijk om als een van de eerste toepassingen een echt praktisch kwantumvoordeel te ervaren.