Прискорення управління ризиками на ринках капіталу за допомогою квантового аналізу ризиків (Картікеян Ренгасі)

Волатильність фондових ринків зазвичай асоціюється з інвестиційним ризиком. Однак, якщо ризиком керувати ефективно, він також може принести солідний прибуток для інвесторів. Інвестиційні менеджери та інвестори визнають, що вони повинні враховувати інші фактори
очікувана норма прибутку для кращого прогнозування та прийняття рішень. Процес прийняття рішень сповнений невизначеності, з численними можливостями та ймовірностями, які включають широкий спектр винагород і ризиків. Є спосіб сприяти інвестиціям
менеджерів та інвесторів у прийнятті рішень, надаючи їм реалістичну оцінку залучених ризиків. Метод Монте-Карло, також відомий як моделювання Монте-Карло, забезпечує краще прийняття рішень у невизначених ситуаціях, дозволяючи нам переглядати
усі результати нашого вибору та оцінка пов’язаного з цим ризику. Було б доцільно розглянути моделювання Монте-Карло щоразу, коли існує значна кількість невизначеностей. Якщо ні, прогнози можуть бути значно відхиленими, що негативно вплине на рішення.
Зазвичай цей метод намагається зробити вибірку відповідно до розподілу ймовірностей, який ілюструє можливі результати події. Незалежні зразки, отримані методом моделювання Монте-Карло, можуть не підходити для всіх проблем. Крім того, обчислювальний
вимоги моделювання Монте-Карло є найбільш переконливим аргументом проти нього. Багато випадків використання ринку капіталу, які зараз вирішуються за допомогою моделювання Монте-Карло, таких як аналіз ризиків і ціноутворення опціонів, мають потенціал для швидшого вирішення
квантовими алгоритмами.

Моделювання Монте-Карло та квантовий алгоритм для управління ризиками

Метод Монте-Карло використовується для дослідження ймовірнісного простору однієї події або послідовності пов’язаних подій. На ринках капіталу вартість під ризиком (VaR – кількісно визначає величину потенційних фінансових втрат за певний період) та умовна вартість
під ризиком (CVaR – кількісно оцінює очікувані збитки, які виникають за межею VaR) портфеля можна визначити за допомогою моделювання Монте-Карло. Це допомагає передбачити найгірший сценарій для розрахунку ризику з урахуванням довірчого інтервалу протягом даного
часовий горизонт. Однак запуск цих моделей на значній кількості даних у різних вимірах може бути дорогим з обчислювальної точки зору. Крім того, це може перевищувати можливості сучасних класичних комп’ютерів. Тут ми поговоримо про те, як квантовий алгоритм на a
квантовий комп’ютер може ефективніше керувати ризиком портфеля акцій, кредитним ризиком і валютним ризиком, ніж моделювання за методом Монте-Карло на класичному комп’ютері.

Управління ризиками портфеля акцій

Згідно з визначенням показників ризикової вартості та умовної ризикованої вартості, можна зацікавити оцінку ймовірності майбутніх втрат даного портфеля, які перевищують заздалегідь визначену вартість. Це передбачає аналіз усіх можливих
пар активів, які можуть використовуватися за замовчуванням, або велика кількість звичайних зразків у моделюванні за методом Монте-Карло, для виконання якого потрібна висока обчислювальна потужність. Це можна значно прискорити в Квантовому комп’ютері за допомогою алгоритмів, заснованих на
Оцінка квантової амплітуди. Оцінка амплітуди – це квантовий алгоритм, який використовується для оцінки невідомого параметра, який може працювати швидше в часі, ніж класичний алгоритм Монте-Карло. Потужність кванта
комп'ютер зростає в геометричній прогресії пропорційно кількості
кубіти пов'язані разом. Це одна з причин, чому квантові комп’ютери можуть зрештою перевершити класичні комп’ютери в аналізі ризиків із великим об’ємом даних.

Управління кредитними ризиками

Для фінансових установ критично важливо оцінювати кредитний ризик своїх позичальників, щоб відповідати вимогам до економічного капіталу (ECR). Фінансові установи, які спеціалізуються на позичанні грошей, іменовані в цьому контексті Кредиторами, оцінюють
ризик кредиту до схвалення. Кредитори оцінюють ризик, визначаючи, чи ймовірно, що позичальник пропустить платежі. Кредитори оцінюють поточний фінансовий стан позичальника, фінансову історію, заставу та інші критерії, щоб визначити ступінь кредитного ризику
їх кредит буде. Класичним методам розрахунку ризиків віддають перевагу більш обережні та не схильні до ризику кредитори. Однак ці класичні методи є жорсткими і дають результати лише з обмеженою кількістю фіксованих параметрів. Огляд на 360 градусів
ризику кредитора для всієї групи позичальників може відкрити нові демографічні показники для кредитування, зберігаючи низький поріг ризику. Зрештою, це вимагає високої обчислювальної потужності для розрахунку кредитного ризику позичальника та його кредиту. На відміну від класичного Монте
Carlo Simulation, the Оцінка квантової амплітуди модель може оцінити умовне значення ризику з мінімальними додатковими витратами та майже в реальному часі. Імовірність успіху цього алгоритму може бути
швидко збільшується шляхом багаторазового повторення оцінки, що допомагає досягти вищої точності.

Управління валютними ризиками 

Ризик фінансового впливу від коливань валютних курсів відомий як валютний ризик або валютний ризик. Валютний ризик також впливає на нефінансові підприємства, які мають дебіторську заборгованість або зобов'язання в іноземній валюті. Значення під загрозою є
використовується для розрахунку фінансового резерву та для забезпечення його дебіторської заборгованості або зобов'язань. Моделювання Монте-Карло є простим, легким у застосуванні та гнучким, щоб робити різні припущення для прогнозування валютного ризику підприємства. Однак квантові комп'ютери
може ефективно вирішувати деякі завдання, пов’язані з управлінням валютними резервами, наприклад вимірювання ризиків за допомогою моделі Quantum Amplitude Estimation. У порівнянні з класичними комп’ютерами, квантові комп’ютери більш схильні до помилок. Щоб вирішити цю складність, процес
повторюється кілька тисяч разів, а результат обчислюється як середнє з усіх результатів. Запуск моделі з різними випадковими змінними може підвищити точність очікуваної вартості під загрозою.

Майбутній форвард

Традиційні підходи до підвищення ефективності Монте-Карло покладаються на вибірку важливості. Однак проблема зазвичай залишається складною з точки зору необхідної обчислювальної потужності для її вирішення в реальному часі. Через це потенціал квантового алгоритму
підвищення ефективності у сфері оцінки фінансових ризиків є особливо переконливим. Теоретично нічні розрахунки можна скоротити до коротших часових рамок, що дасть змогу оцінити ризики в реальному часі. Фінансові установи могли б
реагувати на зміну ринкових обставин і швидше використовувати торгові можливості за допомогою такого аналізу майже в реальному часі. Банки переважно використовують моделювання Монте-Карло для складних моделей, які можуть врахувати невизначеність у змінних аналізу ризику.
Вищенаведені аргументи спонукають нас розглянути квантові алгоритмічні моделі. Ми не можемо стверджувати, що квантові алгоритми перевершують класичні алгоритми через асимптотичну тенденцію до помилки оцінки щодо часу обчислення. однак,
ми очікуємо, що квантова корекція помилок, яка використовує квантові обчислення для захисту квантових станів від помилок, є потенційним рішенням проблеми шуму, а квантова оцінка амплітуди буде кращою за традиційне моделювання Монте-Карло на
подолання цих помилок. Таким чином, обіцянка прискореного квантового прискорення робить надзвичайно привабливим бути одним із перших додатків, який відчує справжню практичну квантову вигоду.