Ускорение управления рисками на рынках капитала с помощью квантового анализа рисков (Karthikeyan Rengasamy)

Волатильность фондовых рынков обычно связана с инвестиционным риском. Однако, если риск эффективно управлять, он также может принести инвесторам солидную прибыль. Инвестиционные менеджеры и инвесторы признают, что они должны учитывать и другие факторы, кроме
ожидаемая норма прибыли для лучшего прогнозирования и принятия решений. Процесс принятия решений наполнен неопределенностью, многочисленными возможностями и вероятностями, которые включают в себя широкий спектр вознаграждений и рисков. Есть способ помочь инвестициям
менеджеров и инвесторов в принятии решений, предоставляя им реалистичную оценку сопутствующих рисков. Метод Монте-Карло, также называемый моделированием Монте-Карло, обеспечивает лучшее принятие решений в неопределенных ситуациях, позволяя нам просматривать
все результаты нашего выбора и оценки связанных с ними рисков. Было бы благоразумно рассматривать моделирование методом Монте-Карло всякий раз, когда имеется значительное количество неопределенностей. В противном случае прогнозы могут быть значительно ошибочными, что негативно повлияет на решения.
Обычно этот метод пытается провести выборку в соответствии с распределением вероятностей, которое иллюстрирует возможные результаты события. Независимые выборки, полученные с помощью моделирования методом Монте-Карло, могут не подходить для всех задач. Кроме того, вычислительная
требования моделирования методом Монте-Карло являются самым веским аргументом против него. Многие варианты использования рынка капитала, которые в настоящее время решаются с помощью моделирования Монте-Карло, такие как анализ рисков и оценка опционов, потенциально могут быть решены быстрее во времени.
квантовыми алгоритмами.

Моделирование методом Монте-Карло и квантовый алгоритм управления рисками

Метод Монте-Карло используется для исследования вероятностного пространства одного события или последовательности связанных событий. На рынках капитала стоимость под риском (VaR — количественная оценка величины потенциальных финансовых потерь за определенный период) и условная стоимость
риск (CVaR — количественная оценка ожидаемых убытков, которые происходят за пределами контрольной точки VaR) портфеля может быть определен с помощью моделирования Монте-Карло. Это помогает предсказать наихудший сценарий для расчета риска с учетом доверительного интервала для заданного
временной горизонт. Однако запуск этих моделей на значительном количестве данных в различных измерениях может потребовать значительных вычислительных ресурсов. Кроме того, это может быть за пределами возможностей современных классических компьютеров. Здесь мы поговорим о том, как квантовый алгоритм на
Квантовый компьютер может управлять рисками портфеля акций, кредитными рисками и валютными рисками более эффективно, чем моделирование методом Монте-Карло на классическом компьютере.

Управление рисками портфеля акций

В соответствии с определением показателей «Стоимость под риском» и «Условная стоимость под риском» может быть заинтересована в оценке вероятности будущих убытков данного портфеля, превышающих заранее определенное значение. Это предполагает анализ всех возможных
пары активов, которые могут быть дефолтными, или большое количество обычных выборок в моделировании Монте-Карло, для запуска которого требуется высокая вычислительная мощность. Это может быть значительно ускорено в квантовом компьютере с помощью алгоритмов, основанных на
Квантовая оценка амплитуды. Оценка амплитуды — это квантовый алгоритм, который используется для оценки неизвестного параметра, который может выполняться быстрее во времени по сравнению с классическим алгоритмом Монте-Карло. Мощность кванта
компьютер растет экспоненциально пропорционально количеству
кубиты связаны вместе. Это одна из причин, по которой квантовые компьютеры могут в конечном итоге превзойти классические компьютеры в анализе рисков с большим объемом данных.

Управление кредитным риском

Для финансовых учреждений крайне важно оценивать кредитный риск своих заемщиков, чтобы соответствовать требованиям к экономическому капиталу (ECR). Финансовые учреждения, специализирующиеся на ссуде денег, именуемые в данном контексте Кредиторами, оценивают
риск кредита до утверждения. Кредиторы оценивают риск, определяя, может ли заемщик пропустить платежи. Кредиторы оценивают текущее финансовое положение заемщика, его финансовую историю, залог и другие критерии, чтобы определить, насколько кредитно-рискован.
их кредит будет. Кредиторы, которые более осторожны и не склонны к риску, предпочитают классические методы расчета риска. Однако эти классические методы являются жесткими и дают результаты только с ограниченным числом фиксированных параметров. Имея 360-градусный обзор
риска кредитора по всей группе заемщиков может открыть новые демографические возможности для кредитования, сохраняя при этом низкий порог риска. В конечном итоге это требует высокой вычислительной мощности для расчета кредитного риска курьера и его кредита. В отличие от классического Монте
Карло Симулятор, Квантовая оценка амплитуды модель может оценить условное значение риска с минимальными дополнительными затратами и почти в реальном времени. Вероятность успеха этого алгоритма может быть
быстро увеличивается за счет многократного повторения оценки, что помогает достичь более высокой точности.

Управление валютными рисками 

Риск финансовых последствий колебаний обменных курсов известен как валютный риск или валютный риск. Валютный риск также затрагивает нефинансовые предприятия, имеющие дебиторскую задолженность или обязательства в иностранной валюте. Ценность под угрозой
используется для расчета финансового резерва и обеспечения его дебиторской задолженности или обязательств. Моделирование по методу Монте-Карло является простым, легким в реализации и гибким, позволяющим делать различные предположения для прогнозирования валютного риска предприятия. Однако квантовые компьютеры
может эффективно решать некоторые задачи, связанные с управлением валютными резервами, например, измерение рисков с помощью модели Quantum Amplitude Estimation. По сравнению с классическими компьютерами квантовые компьютеры более подвержены ошибкам. Чтобы устранить эту трудность, процесс
повторяется несколько тысяч раз, и результат вычисляется как среднее значение всех результатов. Запуск модели с различными случайными переменными может повысить точность ожидаемого значения риска.

Будущее вперед

Традиционные подходы к повышению производительности методом Монте-Карло основаны на выборке по важности. Однако задача обычно остается сложной с точки зрения необходимых вычислительных мощностей для ее решения в режиме реального времени. Из-за этого потенциал квантового алгоритма
Повышение эффективности в области оценки финансовых рисков является особенно убедительным. Теоретически ночные расчеты могут быть сокращены до более коротких временных рамок, что позволит оценить риск в более близком к реальному времени. Финансовые учреждения смогут
реагируйте на меняющиеся рыночные обстоятельства и быстрее используйте торговые возможности благодаря такому анализу, близкому к реальному времени. Банки в основном используют моделирование методом Монте-Карло для сложных моделей, которые могут учитывать неопределенность в переменных анализа риска.
Вышеупомянутые аргументы подталкивают нас к рассмотрению квантово-алгоритмических моделей. Мы не можем утверждать, что квантовые алгоритмы превосходят классические из-за асимптотической тенденции ошибки оценивания по отношению к времени вычисления. Однако,
мы ожидаем, что квантовая коррекция ошибок, которая использует квантовые вычисления для защиты квантовых состояний от ошибок, является потенциальным решением проблемы шума, и оценка квантовой амплитуды будет лучше, чем обычное моделирование методом Монте-Карло.
преодоление этих ошибок. Таким образом, обещание ускоренного квантового ускорения делает чрезвычайно привлекательным быть одним из первых приложений, которые ощутят настоящую практическую квантовую выгоду.