量子 & 金融，将改变游戏规则？

光子盒研究院

 

前言：如今，量子技术早已走出实验室、广泛赋能电力、化学、医学等各个领域；创新赛道上，加速奔跑的量子产业，将带来无限可能。现在，光子盒特开启「量子+」专栏，一一解读量子技术将为下游行业带来的改变与机遇。

美国最大的商业银行摩根大通（JPMorgan Chase & Co.）有一个量子工程团队，由Marco Pistoia管理并担任应用研究和工程部主管。

早先，摩根大通曾在英国招聘多位应用研究工程师，从事量子计算方面的工作，以及招聘有三年以上量子计算经验的人加入其位于纽约的量子计算和人机界面的研发团队。摩根大通在招聘广告中表示，他们对开发可应用于人工智能、优化和密码学的量子算法感兴趣。

在2022年10月的HPC + AI 华尔街会议上，Pistoia曾公开表示他们不关心底层的量子计算系统是什么，而是将使用任何可用的系统、专注于学习如何从中获取竞争优势。JPMC 一直在这样做：

- 2018年，一个由不同研究人员组成的团队，Hans Buehler，Lukas Gonon，Josef Teichmann和Ben Wood（JCMorgan Chase），开发了一个关于深度对冲的随机模型。

- 2019年晚些时候，摩根大通的金融研究人员通过开发基于生成对抗网络（GAN）的现实股票期权市场模拟器来改进这项研究。

- 2023年早些时候，摩根大通、QC Ware和巴黎大学成功开发并使用了深度强化学习算法和量子计算来改进2019年的深度对冲模型。该团队还设计了两个额外的重要算法：一个政策搜索算法和一个行为者批评算法。

为什么摩根大通对一个在现实世界中几乎没有应用的领域如此感兴趣？JPMC 认为，量子信息科学不是一个很好学的领域，而是一个必须学习的领域。实际上，量子计算在银行业很早就已经有实际的应用案例。

IBM量子金融与优化领域全球主管Stefan Woerner表示，他们团队的量子算法为涉及蒙特卡罗方法的解决方案提供了极大的速度提升。自2017年以来，摩根大通、巴克莱也一直在测试IBM的量子计算软件，希望通过蒙特卡罗模拟这样的优化来加速他们的投资组合。

2019年，IBM说服西班牙的Caixa银行在两个具体的案例中测试量子计算的贡献。为了实现这一概念验证（POC），Caixa银行的研发部门在真实数据的基础上构建了两个虚拟的投资组合。POC的目的是验证使用量子算法来度量这些投资组合的风险，以及使用量子计算机来运行该算法，是否会改善风险评估过程。

此外，西班牙第二大银行BBVA启动了六项概念验证，研究了五个金融用例。

2023年5月31日，Quantinuum和汇丰银行宣布了一系列探索性项目，通过网络安全、欺诈检测和自然语言处理等具体项目，以挖掘量子计算在银行业的潜在近期和长期效益。

对于相关案例，美国媒体曾表示，“量子计算机最终会带来破解银行和信用社目前使用的加密算法的威胁。但这是一个可以缓解的威胁，银行对量子计算机有很多用途，这些用途促使世界上最大的机构对该技术进行投资。”

随着量子计算在金融行业的应用案例越来越多，我们需要关心的是：量子计算是否真的对金融投资有所帮助？

这只是一部分案例，量子+金融的相关合作仍在继续。

不置可否的是，量子计算与金融科技行业的交叉有可能彻底改变我们处理金融技术的方式，释放新的可能性并改变传统的金融流程。

20世纪80年代，金融学开始从分析科学向工程科学转变。当时伦敦金融界涌现出了第一批所谓的“金融工程师”，与传统的金融理论研究和金融市场分析人员不同，金融工程师更加注重金融市场交易与金融工具的可操作性，将最新的科技手段、规模化处理的工程方法应用到金融市场上，为金融市场的参与者赢取利润、规避风险或完善服务。

为了降低风险，一种可能性是分析资产的行为，将其与市场信息联系起来。这是金融预测的领域，充满了现实和理论意义上的重大问题。人工智能技术在解决这类问题上尤其成功。

我们也可以通过仔细选择其他额外的资产进行投资来降低持有资产A的风险，这些资产要么收益负相关（对冲），要么不相关（多样化）。这些概念引出了最优投资组合的定义：对于给定的风险，存在一个收益最大化的投资组合。

由于我们对市场不完全了解，一般认为资产和投资组合是本质上随机的，这种随机性是很难估计的风险来源。这时通常需要数值模拟方法（如蒙特卡罗）。

上述三个问题是量子计算在金融领域最有可能的潜在用例。下表是问题对应的解决方案：

在2023年4月、QAI发布的最新报告《繁荣面临风险：量子计算机对美国金融系统的威胁》中，也重新阐明了这一观点：

优化问题是许多金融问题的核心。这是一个NP-Hard（NP是指非确定性多项式）问题，经典计算机很难有效地确定投资组合的最佳选择。在量子计算机上实现量子优化算法有许多不同的方法，其中最突出的是量子退火。

和经典退火算法相比，量子退火算法加速十分显著，这是因为量子隧穿效应的存在。D-Wave正是利用量子隧穿效应使量子比特（微观粒子）从一个极小值直接穿越到另一个极小值。

对金融业来说，好消息是大量的基本算法任务都是优化问题，如投资组合优化。也因此，目前的量子优化已经成功地应用于实际金融问题。包括最佳交易路线、最佳套利机会以及信用评分中的最优特征选择等。

2016年，加拿大量子软件公司1QBit利用D-Wave系统的量子退火算法，解决了一个离散多周期投资组合优化问题。这个问题分别在512和1152量子位的D-Wave芯片上得到了解决、并显著提高了成功率。

量子机器学习（QML）是另一潜在优势领域。它能实现包括贝叶斯推理、最小二乘拟合、量子强化学习等方法的多倍加速。这些机器学习算法也都可以应用于金融行业。

值得一提的是，虽然许多QML算法具有潜在的突破性，但其中许多算法需要通用量子计算机的操作。它们比量子退火技术更先进，在技术上也更具挑战性。换言之，虽然优化问题已经可以从第一代实验量子退火机中获益，但在技术进一步发展之前，某些QML算法的实现是不可能的。但是，以目前的实验进展速度，相信这是迟早的事。

与上述方法相比，蒙特卡罗方法（Monte Carlo）在金融工程中应用更加广泛。它是20世纪40年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。

在金融学中，随机方法通常被用来模拟具有不确定性的金融对象（可能是股票、投资组合或期权）的影响。所以蒙特卡罗方法适用于投资组合评估、个人理财规划、风险评估和衍生品定价。

金融衍生品的定价，经典方法是通过简化的场景，例如Black-Scholes-Merton模型和蒙特卡罗抽样。由于衍生品的数量越来越多，只有蒙特卡罗模拟是可行的，但计算成本高，执行时间长。量子蒙特卡罗算法可以解决这一问题，提供二次加速。

关于风险分析，数学上量化风险的一种方法是通过风险价值（VaR）方法，同样重要的还有条件风险价值（CVaR）方法。通常在量化金融中，VaR和CVaR是使用相关概率分布的蒙特卡罗抽样来估计的。通过量子算法，可以快速获得精度较高的VaR和CVaR值。

金融机构是采用先进技术并开发实际应用的最积极的公司；同时，由于公共和私营机构之间深刻的相互联系以及股票和信贷市场固有的敏感性，金融网络也会是未来量子攻击的主要目标。

因此，量子已经逐渐引起了金融服务业的注意。银行和其他公司正在雇佣更多具有量子计算技能的人，金融公司也正在寻求对量子计算公司的投资并与之建立合作伙伴关系：

- 最常见的是与活跃于该领域的技术公司（例如IBM和微软）合作。因为科技公司正在投入大量的精力来围绕自己的技术解决方案构建全面的量子计算生态系统，将学术界、创新的量子初创公司和大型潜在客户公司聚集在一起。 

- 第二种模式是与量子初创公司合作。这些初创公司倾向于偏重于量子软件和算法的开发。

- 第三种模式是与学术界和政府机构合作。这些伙伴关系很可能是区域性的。 

- 第四种模式是对量子计算公司的直接投资。

西班牙第二大银行BBVA全球研究和专利主管Carlos Kuchkovky和他的团队于2018年年中开始探索量子技术。从那时起，他们建立了一个由量子技术专家组成的内部多学科团队，这些专家已经开始与银行的不同业务领域密切合作，以确定这项技术能够实现最大价值的优先领域。

2019年，BBVA与西班牙高级科学研究委员会（CSIC）达成了战略联盟，并成立了一个联合工作组，同时还与初创公司Zapata Computing和Multiverse、科技公司富士通（Fujitsu）和咨询公司埃森哲（Accenture）合作，启动了六项概念验证，研究了五个金融用例。

他们表示，“量子技术生态系统发展非常迅速，我们相信，为了将技术的利益转化为具体的进步，无论是对部门还是整个社会来说，与各方的合作至关重要。”

这个项目遵循的六条研究路线，也同时验证了量子技术比传统计算技术具有更大优势的用例——

1）量子算法的发展

除了硬件改进外，量子技术的业务部署所面临的另一个主要挑战是，新的算法必须适应新的计算逻辑，这些算法在系统正常运行并准备好解决具体任务时，可以为系统提供数据。

2）静态投资组合优化

投资组合的优化包括根据投资者和风险状况等因素选择组合后能够帮助客户获得更高回报的资产。

使这一过程更有效的一种方法是将投资组合的资产分成具有共同风险因素的子集。然而随着资产被添加到一个投资组合中以及在分类时需要考虑的因素，可能产生的组合会成倍地成倍增长，而获得最佳结果所需的计算数量也会随之增加。

与传统方法相比，当需要引入100多种资产或因素时，量子设备往往可以获得更好的结果。

3）动态投资组合优化

动态投资组合优化依赖于大量的变量来确定资产的最佳组合。这意味着可以计算投资组合在一段时间内的表现、可能的交易费用以及对大批量买卖市场价格的潜在影响。

埃森哲、Multiverse等公司都曾证明，当计算涉及到数百种资产或因素时，使用量子技术比传统方法更有优势。

4）信用评分流程优化

在变量比通常情况下使用得要多的这类问题中，使用量子计算往往会有好处。

5）货币套利优化

货币套利是量子计算在金融领域中的另一个问题。这类机会的机会窗口非常小，需要强大的处理器来识别和利用这类机会。已有结果表明，在处理大量资产时，量子技术可能会带来收益。

6）衍生工具估值和调整

蒙特卡罗模拟是金融部门计算衍生品价格的常用方法之一，它使用随机抽样来模拟不同变量的表现趋势。衍生品是一种复杂的金融产品，其价值取决于其他资产的价格表现。确定这些产品的价格并不简单，而且在某些情况下，计算成本可能会非常昂贵。

而量子蒙特卡罗算法的使用，可以确定衍生工具的价格及其交易对手风险调整。

除了BBVA，另一家以创新著称的西班牙银行CaixaBank也曾被IBM说服，在两个具体的案例中验证量子计算的作用：CaixaBank的研发部门在真实数据的基础上构建了两个虚拟的投资组合，包括抵押贷款组合和国债组合。目的是验证使用量子算法来度量这些投资组合的风险，以及使用量子计算机来运行该算法，是否会改善风险评估过程。

结果表明，同样的结果用量子计算可以更快地得到。从长远来看，有可能将计算时间从几天减少到几分钟！

除了欧洲，英美银行更是量子计算的深度参与者。2017年，渣打银行曾与美国大学空间研究协会（USRA）开展了一个联合项目：把量子计算应用在一个包含60个资产的组合优化上，节省了一半的计算时间。

2021年，高盛银行也与国际知名投行高盛、量子算法公司QC Ware和量子硬件公司IonQ宣布，量子计算在金融服务行业的现实应用向前迈出了重要一步：论文展示了IonQ量子计算机现在是如何强大到足以演示高盛和QC Ware最先进的量子算法，有望加快蒙特卡罗模拟的速度。

今年，汇丰银行也宣布与总部设在剑桥的Quantinuum公司合作、助力“短期和长期的业务发展”：展示量子计算加固的加密密钥的使用，这也包括将其与抗量子加密算法结合起来、以减轻当前和未来的网络威胁。

......

金融公司正在参与积极投资量子，目的是获得第一手独家或半独家的知识和技术。公开研究量子计算的金融公司包括一些全球性企业，例如安联、巴克莱、花旗集团、高盛、摩根大通和瑞穗；还有许多国家和地区性公司，例如荷兰银行、Anthem、BBVA、蒙特利尔银行、法国巴黎银行、CaixaBank、澳大利亚联邦银行、国民威斯敏斯特银行集团、野村证券、丰业银行、渣打银行和瑞银。

此外，对冲基金和高频交易员是最复杂的行业参与者之一，他们在过去几年里一直在积极研究量子计算技术。

而当下，金融公司在量子计算方面的投资却明显不足。

今年 6 月 5 日，穆迪分析公司调查了来自17个欧洲和北美国家/地区的、年收入超1 亿美元的金融服务和银行公司，发布了最新报告《金融服务中的量子计算》，并指出大多数( 87% )的金融公司都缺乏量子预算——尽管他们已经意识到了量子威胁。

根据一系列采访调研，穆迪发现量子计算的前五个高潜力用例包括：风险分析 (67%)、压力测试 (59%)、网络安全 (54%)、合成数据 (49%)，以及欺诈和洗钱检测 ( 34%）。虽然 88% 的受访者表示机器学习和优化是量子技术未来可能带来机遇的问题类别， 但只有不到 10% 的受访者开始着手解决这些问题。

甚至，“现在窃取，以后解密”的威胁使得抗量子网络安全放经常被放在量子用例，而86%的金融公司还没有为抗量子网络安全做好准备。

量子的先天计算优势和金融业独特的计算挑战之间存在明显的联系，“虽然量子计算有望在金融服务行业带来重大变革，但以清醒的眼光看待其潜力至关重要。金融公司应专注于研究和实验，以确定量子计算的商业价值并做出明智的投资决策。”

“虽然量子计算有望给金融服务业带来重大变革，但以冷静的态度对待其潜力是至关重要的。机器学习和优化等近期应用为该行业提供了从量子计算中获益的最直接机会。”

专家们表示，多数人都认为量子技术对商业的影响将是巨大而深远的。由于这是一项真正改变游戏规则的技术、而不是“即插即用”的技术，金融机构需要时间来建立自己的量子能力、获得技能并探索量子生态系统。当技术转化为有利可图的竞争优势时，那些行动太慢的公司有被竞争对手边缘化的风险。 

银行业的一些人认为，量子计算更像是科幻小说，而不是事实，计算能力并不是商业模式的关键区别。当然，服务客户不仅仅是计算速度和灵活性。尽管如此，在解决复杂或棘手的问题方面，尤其是在优化领域，量子计算正逐渐成为游戏规则的改变者；量子解决方案进入主流只是一个时间问题。

随着数字化转型愈演愈烈，在接下来的几年里，量子相关机构、政府可能会推动企业布局量子。可以肯定的是，这将是一条漫长的道路；值得庆幸的是，大多数金融机构已经迈出了第一步。

参考链接：

[1]https://www.forbes.com/sites/moorinsights/2023/05/22/jpmorgan-chase-and-qc-ware-collaborate-on-quantum-finance-breakthrough-in-deep-hedging/?sh=5f4525476604

[2]https://www.hpcwire.com/2022/10/12/jpmorgan-chase-bets-big-on-quantum-computing/

[3]https://www.americanbanker.com/news/why-banks-need-to-start-planning-to-use-quantum-computing

[4]https://s3.amazonaws.com/media.hudson.org/04.03.2023+_Butler_Prosperity_at_Risk_Quantum_Report.pdf

[5]https://www.moodys.com/web/en/us/about/what-we-do/quantum-computing/quantum-survey-report.html

[6]https://www.mckinsey.com/industries/financial-services/our-insights/how-quantum-computing-could-change-financial-services#