Как работают квантовые технологии в финансовом секторе?

Почему кванты

Любая аномалия на финансовом рынке — результат мошенничества, компьютерного сбоя или кибератаки, то есть, той или иной проблемы. Акции GameStop аномально подорожали в отрыве от фундаментальных показателей после спекуляций розничных инвесторов.

Квантовые алгоритмы машинного обучения способны обнаруживать такие ситуации в реальном времени, выявлять манипуляции, эффективно составлять стратегии против них, и это только один из способов их применения. В квантовой системе можно описать и более сложные модели поведения. 

Квантовые системы способны детально просчитать и предсказать поведение агентов на рынке. Инвестор получает возможность вовремя выйти из акций или, напротив, получить денежную поддержку и отсечь конкурентов. Понимание поведения других игроков и их ресурсов (который не бесконечен), позволит эффективнее играть на рынке. 

Ученые предсказывают изменение структуры фондового рынка с появлением квантового сегмента, однако истинный потенциал таких вычислений раскроется при совместном использовании классического и квантового подходов. Первые примеры мы увидим в течение 5-10 лет. 

Зачем кванты

Финансовые организации заинтересованы в развитии сразу ряда квантовых технологий: в особенности, квантовых вычислений — для решения оптимизационных задач (например, одновременного расчета сразу нескольких параллельных вариантов) и квантовых коммуникаций — чтобы максимально обезопасить все имеющиеся данные.

Уязвимость современных методов защиты информации с развитием квантовых вычислений неизбежна. Уже сейчас постквантовая криптография или квантово-стойкая криптография — это достаточно актуальный сектор исследований как в академических кругах, так и в государственных и коммерческих компаниях.

Трейдинг — процесс предсказания изменения цен на активы и их покупку. Квантовый трейдинг — это все тот же процесс предсказания изменения цен, однако в разы более точный и более защищенный.

Квантовые алгоритмы и инструменты торговли, анализа и контроля рынков могут учитывать растущее количество сложных факторов, влияющих на стоимость бумаг. На сегодняшний день инструментов, которые справлялись бы с сопоставимыми задачами, нет. 

Как работают алгоритмы

Результат решения вычислительных задач в финансовой аналитике зависит от случайных процессов. Расчеты требуются в инвестиционных прогнозах, инвестиционном анализе и планировании. Для решения обычно используют математический метод Монте Карло, который позволяет вычислить ожидание определенной величины.

Это происходит с помощью многократного генерирования возможных вариантов развития событий. Решить такие задачи кратно быстрее можно с помощью ряда алгоритмов на основе квантовой оценки амплитуды (Quantum Amplitude Estimation — QAE). Этот подход может обеспечить квадратичное ускорение решения сложных задач вычисления рисков или прогнозирования стоимости деривативов.

Некоторые линейные системы уравнений можно решить экспоненциально быстрее любого классического известного способа — с помощью алгоритма Харроу-Хасидима-Ллойда (HHL). Такие алгоритмы уже позволяют разрабатывать методы обучения глубоких нейронных сетей с многократным ускорением по сравнению с классическим обучением. 

Квантовые вычисления в финансовом секторе могут быть полезны при решении многих задач. Ниже мы разберем наиболее распространенные:

• Вычисление рисков

Суть опциона – возможность купить или продать базовый актив по определенной цене до определенного времени. Это контракты срочного рынка, по которым обычно торгуют наиболее подготовленные трейдеры. Будущая цена актива определяется множеством рыночных факторов, которые сложно учесть.

Для предсказания будущей стоимости актива используется метод Монте-Карло. Возможных сценариев, которые нужно спрогнозировать и проанализировать, очень много. Нужно громадное множество отдельных испытаний для получения точности до двух знаков после запятой. Квантовые алгоритмы способны обеспечить существенное ускорение при решении таких задач. 

• Сложные процессы

Оптимизация инвестпортфелей и предсказания финансовых кризисов — хорошо изученная задача квадратической оптимизации при линейных ограничениях (формирование портфелей с оптимальным выбором активов, исходя из требуемого соотношения доходность/риск).

Однако классические компьютеры не могут решить ее из-за практически бесконечного набора возможных вариантов построения. Адиабатические квантовые компьютеры уже способны найти комбинацию, при которой значение многомерной функции при заданной конфигурации окажется минимальным. 

• Предсказание кризисов

Сегодня для прогнозирования кризисов в экономике используется в основном эмпирический подход, основанный на исследовании определенных сигналов и индикаторов рынка. Так или иначе он будет актуален, но из-за постоянной эволюции мировой экономики эмпирический подход уже не дает точных предсказаний.

Альтернатива — стресс-тестирование с использованием макроэкономического моделирования. По сути, это задача нахождения минимума многомерной функции при изменении ряда параметров. Ее решение позволяет оценить масштаб изменения рынка в случае возникновения шоков, трансформации разных условий вроде цен на нефть.

Из-за огромного количества связей между различными элементами системы, задачи стресс-тестирования пока решаются только для самых простых финансово-экономических моделей. Квантовые алгоритмы существенно упростят решение этой задачи и для сложных конфигураций.

• Квантовое машинное обучение

Классическое обучение сложных моделей, как в случае больших данных на финансовом рынке, может длиться очень долго. Новейшие технологии ускорят обучение в классических нейронных сетях, позволят проверять гипотезы и тестировать модели гораздо быстрее.

На следующих этапах, когда мощности компьютеров существенно вырастут, можно будет говорить о настоящих квантовых нейронных сетях. Сегодня машинное обучение часто работает по гибридной схеме: часть блоков обучения — квантовые, часть — классические. С развитием этой системы часть задач вообще станет недоступна для классических схем машинного обучения. 

• Борьба с мошенничеством

Алгоритмы уже способны справляться с обнаружением мошенничества, банки используют эту технологию в режиме реального времени. Компьютер проверяет действия участников системы и сравнивает с массивом данных, характерным для него. Квантовые нейросети помогут пресекать мошенничество еще более эффективно. Со временем квантовые технологии встанут и в основу самых современных сетей кибербезопасности. 

Где кванты

Крупные игроки серьезно готовятся к изменению сценариев работы. 21 международный банк и страховые компании приняли на работу не менее 115 специалистов по квантовым вычислениям, свидетельствуют данные Boston Consulting Group по состоянию на июнь 2020 года. Порядка 60% из них находятся в Европе, 28% в США и 10% в Азии. 

Финансовые компании также сотрудничают с крупнейшими IT-корпорациями: JP Morgan Chase, Goldman Sachs, Barclays, Wells Fargo, MUFG, Mizuho, Tradeteq, Anthem – участники IBM Q Network; NatWest Group – в Microsoft Quantum Network. 

Квантовое исследовательское подразделение холдинга JP Morgan Chase возглавил ветеран IBM (Master Invertor) Марко Пистойя, обладатель 26 патентов в области квантовых компьютеров. Аналогичным подразделением конгломерата Goldman Sachs руководит ученый Уильям Зенг, экс-глава направления в квантовой компании Rigetti Computing.

Финансовые компании станут первым бенефициаром квантовых вычислений. На горизонте пяти лет мы увидим примеры применения новых технологий в банковской сфере. Крупный испанский банк BBVA в 2020 году провел эксперименты на адиабатическом квантовом вычислителе Fujitsu по статической оптимизации инвестиционного портфеля более чем из 100 акций.

Банк также провел ряд экспериментов по динамической оптимизации инвестиционного портфеля в реальном времени: совместные с компанией Accenture эксперименты на адиабатическом квантовом вычислителе D-Wave, опыты с испанским стартапом Multiverse на квантовом компьютере IBM Q. Последний эксперимент определил оптимальный сценарий торговли на основе исторических данных для портфеля из 52 акций.

Другие компании сотрудничают с квантовыми стартапами: 

В марте 2020 года американский финансовый холдинг JPMorgan Chase заключил соглашение с Honeywell, в рамках которого компания планирует использовать квантовое устройство для решения основных бизнес-задач финансовой индустрии: ускорения процесса проверки клиентов, вычисления рисков и планирования экономических сценариев.

В 2017 году американский стартап QxBranch объявил о старте разработки приложений для Commonwealth Bank of Australia (CBA), моделирующих поведение и свойства квантового компьютера.

Изучить и протестировать приложение с дополнительными операциями — риск-менеджментом, квантовым трейдингом, аналитикой — смогут исследователи, разработчики и представители других финансовых компаний еще до появления полноценного квантового компьютера. 

Развиваются и проекты сотрудничества с университетами и научными организациями: BBVA работает с Высшим советом по научным исследованиям Испании; японский Nomura Holding – с Tohoku University; финансовая корпорация Standard Chartered создает проекты с NASA; голландский ABN AMRO Bank – с QuSoft. 

Банки и корпорации вкладывают деньги в квантовые компании: 

Goldman Sachs и Citigroup в 2018 году инвестировали $6,5 млн (468 млн. руб. по текущему курсу) в разработчика квантовых алгоритмов QC Ware. 

Allianz и Royal Bank of Scotland вложили 45 млн канадских долларов (2,7 млрд рублей) в 1Qbit, компанию-создателя квантового ПО. 

Goldman Sachs неоднократно поддерживал в канадского производителя аппаратных решений D-Wave. В 2014 году сумма инвестиций от Goldman Sachs (GS) и ряда других игроков составила 30 миллионов канадских долларов (1,8 млрд рублей).

Commonwealth Bank of Australia вложил более $14 млн (более 1 млрд рублей) в поддержку разработки первого квантового компьютера на основе кремния от Silicon Quantum Computing.

Новейшие алгоритмы используют и в России. Так, команда Алексея Федорова в Российском квантовом центре разрабатывает квантовые алгоритмы для финансовой оптимизации в интересах Газпромбанка и других крупных компаний. В России квантовые технологии востребованы и в нефтегазовой сфере, как в одном из самых перспективных секторов для страны. 

Фото на обложке: unsplash.com