By Kenny Hughes-Castleberry opublikowano 30 września 2022
Spośród wielu branż, z których z pewnością skorzystają obliczenia kwantowe, branża finansowa jest jedną z największych. „Zasadniczo wszystkie duże banki mają teraz swój własny zespół kwantowy” – wyjaśnił Roman Orus, współzałożyciel i dyrektor naukowy firmy Obliczenia wieloświatowe, wiodąca firma zajmująca się oprogramowaniem kwantowym. Orus jest także profesorem naukowym Ikerbasque w hiszpańskim Międzynarodowym Centrum Fizyki Donostia (DCIP), gdzie napisał wpływową pracę pt. papier na informatyce kwantowej i finansach. „Istnieje wiele różnych miejsc, w których obliczenia kwantowe mogą pomóc w finansach” – dodał Orus.
Ponieważ znaczna część branży finansowej koncentruje się na analizie dużych pul surowców dane i wyciągając różne wnioski, obliczenia kwantowe mogą znacząco usprawnić ten proces. Ponieważ komputery kwantowe wykorzystują algorytmy do wykonywania wielu obliczeń jednocześnie, mogą generować wyniki w szybszym tempie, co ma kluczowe znaczenie dla handlowy dzieje się to w szybkim tempie na giełdach. Odpowiedzi, jakie dają komputery kwantowe, są również unikalne w porównaniu z komputerami klasycznymi, dając inne korzyści. „Podobnie jak fizyka kwantowa, są probabilistyczny zamiast deterministyczny– wyjaśnił A Artykuł 2020 firmy McKinsey&Company. „[Oznacza to], że mogą się różnić, nawet jeśli dane wejściowe są takie same”. Te różne dane wejściowe są szczególnie ważne w przypadku problemów optymalizacyjnych, symulacji finansowych, wykrywania oszustw i przewidywania rynku, czyli wszystkich procesów, z których banki i inne instytucje finansowe korzystają na co dzień.
Czytanie symulacji Monte Carlo
Jedną z najczęstszych symulacji optymalizacyjnych, szczególnie w przypadku portfeli finansowych, jest Monte Carlo symulacja. Metoda ta wykorzystuje losowe próbkowanie danych wejściowych do rozwiązania problemu statystycznego, a symulacja daje wizualne rozwiązanie tego problemu. „W sektorze finansowym symulacje Monte Carlo są powszechnie stosowane do testów warunków skrajnych i oceny ryzyka kredytowego, są jednak kosztowne, czasochłonne i wymagają dużej mocy obliczeniowej” – wyjaśnił Zapata Computing's Chief Marketing Officer Katarzyna Londergan. Ponieważ symulacja Monte Carlo może wykorzystywać różne dane wejściowe, różne firmy zajmujące się kwantami wykorzystywały ją do testowania swoich technologii. Zapata Computing, wiodąca na rynku firma kwantowa z siedzibą w Kanadzie, opublikowała niedawno: papier skupiliśmy się na wykorzystaniu tej symulacji do korekt wyceny kredytowej. „Nasza praca z BBVA [bank globalny] bada potencjał przewagi kwantowej w przypadkach użycia Monte Carlo, w tym korektę wyceny kredytowej (CVA) i wycenę instrumentów pochodnych” – stwierdził Londergan. „Banki, podobnie jak BBVA, aktywnie badają sposoby, aby symulacje były mniej czasochłonne za pomocą komputerów kwantowych”.
Inne procesy finansowe, do których można zastosować obliczenia kwantowe, obejmują wykrywanie oszustw i prognozowanie rynku. Instytucje finansowe już korzystają z algorytmów uczenia maszynowego, aby pomóc w takich sytuacjach, ale w przyszłości mogą to zastosować kwantowe uczenie maszynowe jeszcze bardziej poprawić sytuację. „Dzięki komputerowi kwantowemu można ulepszyć algorytmy uczenia maszynowego” – powiedział Orus. W przypadkach, w których występują strumienie danych na żywo, np. w przypadku nieuczciwych transakcji, kwantowe uczenie maszynowe może być w stanie przetwarzać dane z większą szybkością, pomagając w zapewnieniu większego bezpieczeństwa i wydajności procesów finansowych.
Wyżarzanie kwantowe i przemysł finansowy
Chociaż obliczenia kwantowe bez wątpienia przyniosą korzyści branży finansowej, w szczególności wyżarzanie kwantowe odegra ważną rolę. „Wyżarzanie kwantowe to szczególny model obliczeń kwantowych” – wyjaśnił Orus. „[Zatem jest] zbudowane w celu rozwiązania tylko jednego konkretnego problemu, którym jest optymalizacja. Może więc istnieć funkcja kosztu, którą należy zminimalizować, na przykład ryzyko portfela aktywów. Jest to problem, który można rozwiązać za pomocą wyżarzania kwantowego. Firmy takie jak D-Wave lub Lockheed Martin już opracowują wyżarzacze kwantowe, z których wiele może zostać wykorzystanych przez instytucje finansowe. Ponieważ wiele problemów w branży finansowej wiąże się z optymalizacją, wyżarzacze kwantowe przyniosą korzyści w szerszym zakresie zastosowań, niż można by się spodziewać. „Nawet w przypadku symulacji niektórych modeli ekonomicznych można tego dokonać poprzez wyżarzanie kwantowe” – dodał Orus. „Na przykład znalezienie równowagi ekonomicznej, co jest jedynie problemem optymalizacji”.
Choć obliczenia kwantowe przyniosą wiele korzyści sektorowi finansowemu, potrzeba jeszcze wielu etapów, zanim technologia ta będzie mogła zostać szerzej przyjęta. „Poszukiwanie dodatkowej przewagi w finansach za pomocą komputerów kwantowych będzie wyzwaniem” – stwierdził Londergan. „Odkryliśmy, że nasi klienci finansowi są bardzo zaawansowani w wykorzystywaniu mocy sztucznej inteligencji i uczenia maszynowego, dlatego współpracujemy nad krótkoterminowymi zastosowaniami, w których możemy uzyskać dodatkową przewagę”. Chociaż osiągnięcie tej przewagi może zająć trochę czasu, inni eksperci, tacy jak Orus, przyglądają się niektórym z bezpośrednich wyzwań stojących przed przemysłem kwantowym. „Myślę, że główną porażką jest rozwój sprzętu” – powiedział. „Procesory, które mamy obecnie, są nadal stosunkowo małe i hałaśliwe”. Miejmy nadzieję, że gdy sprzęt zostanie udoskonalony i będzie można go skalować, będzie łatwiej zastosować tę innowacyjną technologię.
Istnieją jednak również kroki, które instytucje finansowe będą musiały podjąć, aby wdrożyć obliczenia kwantowe. Jak wyjaśnił Londergan: „Aby odnieść sukces we wdrażaniu technologii kwantowej, instytucje finansowe będą musiały mieć elastyczną modułowość i mieć zgodne z przyszłością podejście do tworzenia aplikacji wykorzystujących technologię kwantową. Oznacza to, że algorytmy, strumienie danych i backendy sprzętu kwantowego można łatwo wymieniać i wymieniać – bez konieczności „zgrywania i zastępowania” infrastruktury obliczeniowej”. W związku z tym elastycznym sposobem myślenia banki i inne instytucje mogą być zmuszone zmienić harmonogram wdrażania tej technologii, ponieważ może to zająć trochę czasu. „Warto podkreślić, że Zapata wierzy, że duże symulacje, takie jak przypadki użycia w Monte Carlo, miną nie więcej niż dekadę” – dodał Londergan.
Inni eksperci, tacy jak Orus, uważają, że powszechne przyjęcie obliczeń kwantowych jest w rzeczywistości znacznie bliższe. „To już zaczyna przenikać do branży” – powiedział Orus. „Zaczynamy znajdować w zasadzie pierwsze rzeczywiste przypadki użycia. Powiedziałbym zatem, że w ciągu najbliższych dwóch, trzech lat zdecydowana większość dużych banków będzie miała w produkcji przynajmniej jakieś rozwiązanie kwantowe.
Kenna Hughes-Castleberry jest pisarzem personelu w Inside Quantum Technology i Science Communicator w JILA (partnerstwo między University of Colorado Boulder i NIST). Jej pisarskie bity obejmują deep tech, metaverse i technologię kwantową.
