By Кенна Хьюз-Кастлберри опубликовано 30 сент. 2022 г.
Из многих отраслей, от которых квантовые вычисления наверняка выиграют, финансовая отрасль является одной из крупнейших. «По сути, у всех крупных банков теперь есть своя квантовая команда», — пояснили Роман Орус, соучредитель и главный научный сотрудник компании Мультивселенные, ведущая компания по разработке квантового программного обеспечения. Орус также является профессором-исследователем Икербаска в Международном физическом центре Доностия в Испании (DCIP), где он написал влиятельную работу. бумаги по квантовым вычислениям и финансам. «Есть много разных мест, где квантовые вычисления могут помочь в финансах», — добавил Орус.
Поскольку большая часть финансовой индустрии сосредоточена на анализе больших объемов сырья, данным и сделав различные выводы, квантовые вычисления могут значительно улучшить этот процесс. Поскольку квантовые компьютеры используют алгоритмы для одновременного выполнения нескольких вычислений, они могут выдавать результаты быстрее, что крайне важно для торговли это происходит быстрыми темпами на фондовых рынках. Ответы, которые дают квантовые компьютеры, также уникальны по сравнению с классическими компьютерами, что дает и другие преимущества. «Как и квантовая физика, они вероятностный , а не детерминистический», — объяснил А. 2020 статье от McKinsey&Company. «[Это означает], что они могут различаться, даже если входные данные одинаковы». Эти различные входные данные особенно важны для задач оптимизации, финансового моделирования, обнаружения мошенничества и прогнозирования рынка — всех процессов, которые банки и другие финансовые учреждения используют ежедневно.
Чтение моделирования Монте-Карло
Одним из наиболее распространенных методов оптимизации, особенно для финансовых портфелей, является Монте-Карло моделирование. Этот метод использует случайную выборку входных данных для решения статистической задачи, а моделирование дает визуальное решение этой проблемы. «В финансовом секторе симуляции Монте-Карло обычно используются для стресс-тестирования и оценки кредитного риска, но они являются дорогостоящими, отнимают много времени и требуют больших вычислительных мощностей», — пояснили. Сапата Вычислениядиректор по маркетингу Кэтрин Лондерган. Поскольку моделирование Монте-Карло может использовать различные входные данные, различные квантовые компании использовали его для тестирования своих технологий. Zapata Computing, ведущая на рынке квантовая компания, базирующаяся в Канаде, недавно опубликовала бумаги сосредоточились на использовании этого моделирования для корректировки оценки кредита. «Наша работа с BBVA [глобальный банк] изучает потенциал квантового преимущества для вариантов использования Монте-Карло, включая корректировку кредитной оценки (CVA) и ценообразование деривативов», — заявил Лондерган. «Банки, такие как BBVA, активно изучают способы сделать эти симуляции менее трудоемкими с помощью квантовых компьютеров».
Другие финансовые процессы, к которым могут применяться квантовые вычисления, включают обнаружение мошенничества и прогнозирование рынка. Финансовые учреждения уже используют алгоритмы машинного обучения, чтобы помочь в таких ситуациях, но в будущем могут внедрить их. квантовое машинное обучение чтобы улучшить ситуацию еще больше. «С помощью квантового компьютера вы можете улучшить алгоритмы машинного обучения», — сказал Орус. В случаях с потоками данных в реальном времени, например, при мошеннических транзакциях, квантовое машинное обучение может обрабатывать данные быстрее, помогая поддерживать финансовые процессы более безопасными и эффективными.
Квантовый отжиг и финансовая индустрия
Хотя квантовые вычисления, несомненно, принесут пользу финансовой отрасли, квантовый отжиг, в частности, сыграет свою важную роль. «Квантовый отжиг — это особая модель квантовых вычислений», — объяснил Орус, — «[Таким образом, он] создан для решения только одной конкретной проблемы, а именно: оптимизация. Итак, у вас может быть функция затрат, которую необходимо минимизировать, например, риск портфеля активов. Это тип проблемы, которую можно решить с помощью квантового отжига». Такие компании, как D-Wave или Lockheed Martin уже разрабатывают квантовые отжигатели, многие из которых могут использоваться финансовыми учреждениями. Поскольку многие проблемы в финансовой отрасли связаны с оптимизацией, квантовые отжиги добавят преимуществ более широкому спектру приложений, чем можно было бы ожидать. «Даже для моделирования определенных экономических моделей вы также можете сделать это с помощью квантового отжига», — добавил Орус. «Например, чтобы найти экономическое равновесие, а это всего лишь задача оптимизации».
Хотя квантовые вычисления добавят много преимуществ финансовому сектору, пройдет еще много этапов, прежде чем эта технология сможет получить более широкое распространение. «Поиск дополнительных преимуществ с помощью квантовых компьютеров в финансах будет сложной задачей», — заявил Лондерган. «Мы обнаружили, что наши финансовые клиенты очень продвинуты в использовании возможностей искусственного интеллекта и машинного обучения, поэтому мы сотрудничаем над краткосрочными вариантами использования, где мы можем получить дополнительные преимущества». Хотя получение этого преимущества может занять некоторое время, другие эксперты, такие как Орус, рассматривают некоторые из неотложных проблем, стоящих перед квантовой индустрией. «Я думаю, что главная неудача — это развитие аппаратного обеспечения», — сказал он. «Процессоры, которые мы имеем в настоящее время, по-прежнему имеют относительно небольшой размер и шумят». Мы надеемся, что как только аппаратное обеспечение будет улучшено и сможет масштабироваться, эту инновационную технологию будет легче внедрить.
Но есть также шаги, которые финансовые учреждения должны будут предпринять для внедрения квантовых вычислений. Как объяснил Лондерган: «Чтобы добиться успеха во внедрении квантовых технологий, финансовым учреждениям необходимо будет использовать гибкую модульную структуру и иметь совместимый с будущим подходом подход к созданию приложений с поддержкой квантовых технологий. Это означает, что алгоритмы, потоки данных и квантово-классические аппаратные средства можно легко заменять и удалять без необходимости «вырезать и заменять» вычислительную инфраструктуру». Наряду с этим гибким мышлением банкам и другим учреждениям, возможно, придется изменить сроки внедрения этой технологии, поскольку это может занять некоторое время. «Стоит отметить, что Сапата считает, что большие симуляции, подобные этим сценариям использования в Монте-Карло, будут реализованы не раньше, чем через десять лет», — добавил Лондерган.
Другие эксперты, такие как Орус, считают, что широкое распространение квантовых вычислений на самом деле гораздо ближе. «Он уже начинает проникать в отрасль», — сказал Орус. «По сути, мы начинаем находить первые реальные варианты использования. Итак, я бы сказал, что в ближайшие два-три года подавляющее большинство крупных банков будут иметь хотя бы какое-то квантовое решение в производстве».
Кенна Хьюз-Кастлберри — штатный писатель Inside Quantum Technology и научный коммуникатор JILA (партнерство между Колорадским университетом в Боулдере и NIST). Ее писательские приемы включают в себя глубокие технологии, метавселенную и квантовые технологии.
