​「图灵量子」在量子计算的金融应用中取得进展，与多家银行达成战略合作

TuringQ | Wesley 文 

近日，「图灵量子」团队在量子计算的金融衍生品定价应用中取得进展，对抵押债务凭证（CollateralizedDebt Obligations，简称CDO）这一重要的结构性金融衍生品，运用量子幅值估计算法代替传统的蒙特卡罗数值方法，对CDO的不同批次进行更准确的定价，相关工作在国际知名学术出版集团Wiley旗下的Quantum Engineering期刊发表。

论文地址：https://doi.org/10.1002/que2.84

抵押债务凭证（CDO）一直是最常用的结构性金融产品之一，并在量化金融中得到了深入研究。通过将资产池设置为不同的部分，它有效地计算并重新分配信用风险和回报，以满足不同部分投资者的风险偏好。各种copula模型通常用于定价CDO，并且需要蒙特卡罗仿真来获得其数值解。在这里，「图灵量子」金融专家实现了两个典型的CDO模型，单因子高斯copula模型和正态逆高斯copula模型，并且通过应用条件独立性方法，专家们设法在量子电路中加载每个分布模型。然后，专家们将量子幅度估计作为CDO定价的蒙特卡罗模拟的替代方案，获得量子计算结果。这项工作解决了金融工具定价中的一项有用任务，对应金融业中广泛存在的各种风险分析管理需求，带来了高效的量子计算解决方案。

金融科技始终与信息科技的发展紧密相连。1980年代，集成电路计算机带来的算力提升曾对当时金融量化数学模型的蓬勃发展起到重要的推动作用。21世纪以来，大数据、机器学习技术也被广泛用于金融科技。而量子计算凭着更高效的计算架构和计算性能，也正在为金融科技带来更丰富的内涵。

相比经典电子计算机，量子计算可以提供指数级的算力提升，从而突破目前日益复杂的金融模型计算、生物医药、材料设计和人工智能等领域的算力瓶颈。目前，国内从事量子计算的创业公司并不多，图灵量子是少有的同时掌握光量子芯片和光量子计算核心技术的科研公司。图灵量子自创立之始，就把量子计算赋能金融科技作为一个核心应用方向，紧密围绕「降低系统性金融风险、发展普惠金融」的行业目标，在一系列金融场景中展示量子计算的应用，例如量子算法带来的更准确的衍生品定价，量子优化更高效地解决汇率套利、交易清算、投资组合管理等各种金融优化问题，量子机器学习更快速准确地实现信用违约风险预测。面向不同的金融大数据和场景需求带来精准对应的量子计算解决方案。

随着「金融科技」浪潮的兴起，量子技术与金融领域的融合不断提速，这也被业内视为新阶段弯道超车的制胜法宝，国内外金融机构纷纷布局。如摩根大通、巴克莱银行、高盛集团等金融机构联合IBM、亚马逊等量子计算公司，研究利用量子计算技术进行风险优化和投资组合优化；西班牙CaixaBank银行联合IBM共同开发金融资产风险分析模拟项目，以评估抵押贷款投资组合与国库券投资组合风险；加拿大BMO金融集团&丰业银行与量子计算初创公司Xanadu合作，开发量子蒙特卡罗算法，以提高金融交易效率、优化实时定价。

目前「图灵量子」已与中国银行、招商银行等多家银行达成战略合作，共同推进量子计算在金融中的深度应用，为金融稳定发展保驾护航。