量子计算将对金融行业重新洗牌
摘要：从本期开始，量子前哨将与中关村产业研究院联合创作，推出一系列文章，针对全球范围内的量子信息科技，尤其是量子计算产业化方面的国家政策、技术脉络、活跃企业以及知名科学家等进行系统性的介绍，以飨读者。这是此系列文章的第四篇。
金融，可以定义为资金管理科学，金融最深层是处理资产未来行为的不确定性，以及资产未来可能具有的价格和回报（利润或损失）。 从全球金融领域发展历程上看，科技应用赋能可以大致分为三个阶段：金融电子化、互联网金融和金融科技。金融AI，大行其道，AI赋能的质变来源于量子带来的算力革命。
而AI科技的下一步，就是量子计算。由于量子计算使用了量子特有的物理效应来处理信息，因此目前的超级计算机需要数十亿年才能解决一些数学问题，未来的量子计算可能在几周、几天或几个小时内就能找到答案。作为最前沿的科技技术，它可广泛赋能金融行业各细分领域，应用涉及资产配置场景优化、资本市场的风险分析、保险业的灾难性风险建模、以及加密安全等方面。
量子计算在投资组合管理的应用
投资组合优化问题，一直是金融行业受关注度最高、收益率最明显的计算场景。当前，在金融服务资产配置上，要通过传统的计算方法去解决多种投资组合优化场景中问题，还存在多重难点。
一般来说，投资组合经理在估计预期回报时，通常希望模拟所有的投资选择，以验证风险。正常市场环境中的资产配置调整幅度较小且择时胜率不会特别高，但在一些极端的位置上，比如熊市底部或牛市顶部，资产配置能够发挥巨大作用，这些在长期投资方面效益最为明显。但是想要调整投资组合以跟上市场走势，在很大程度上受到算力限制和交易成本的限制。此类问题对经典计算机来说特别难以解决，需要很长的时间，但利用量子计算的方法有可能取得突破。
量子技术可能有助于减少当今交易环境的复杂性，其组合优化能力可使投资经理提高投资组合的多样化和重新平衡投资组合，以便更快地对市场状况作出反应。方法上，可以仔细选择其他额外资产进行投资来降低持有资产的风险，无论是具有反相关回报（对冲）或不相关的回报（多样化）。这些概念导致最佳投资组合的定义：对于给定的风险，有一个投资组合，最大限度地提高回报。相反，对于给定的回报，有一个资产组合可以最大限度地降低风险。计算上，投资组合很多时候是一个二值优化问题，依靠传统经典的线性编程等方法来迭代计算，以此通过合理配置资产来最大限度提高最终利润，而量子计算便能提供加速运算和降低交易成本等实质性帮助。
据公开资料表明，在投资者能够承受的波动幅度内，西班牙一家初创公司：Multiverse Computing应用量子算法实现了20%-80%的年回报率。显然，在投资组合管理上，量子计算的商用化落地成效显著。
量子计算在市场风险分析的应用
在资本市场上，金融机构需要准确地管理和计算现在或未来存在的各类风险，以便避免因不可预见的事件造成各种损失，这也是银行和保险公司每天都在关注的事情。如何正确应对这类风险挑战并高效解决这些问题？
一种思路是尽可能全方位分析资本市场中各个资产的行为，并与市场信息联系起来，以此达到降低风险的目的。蒙特卡洛模型（Monte Carlo）是分析该类风险的主要方法，它是一种通过统计采样系统来对系统属性进行统计的技术。这个模型在在物理、化学、工程和金融等领域都有应用，它的优势是可以处理一些大型复杂的系统问题，这些问题无法通过其他分析方法处理。
但因经典计算机对于不同风险搭建的模型在规模性和复杂性方面不断增加，蒙特卡洛模型的普适性就受到阻碍。举例来看，虽然金融机构经常为经济危机等黑天鹅事件建立一般模型，但随着新冠肺炎大流行事件的爆发等不可抗因素的影响，很多组织机构不得不彻底重新设计影响参数更多更复杂的模型。在这种情况下，量子计算可以在更短的时间内提供更广泛的选择，使组织机构能够更好地了解风险，并为不可预见的事件做好准备。
此外，据公开资料表明，由于蒙特卡洛模型本身是随机的，会有误差，在许多金融场景中，为达到所需的结果，需要的模拟次数非常多。而量子算法可以高效改进这些计算，因为量子计算机可以同时运行多个场景，并且通过量子干涉减少模拟中的误差。只需要在经典计算机上模拟这些量子效应，就可以利用量子计算方法来设计更快的蒙特卡洛抽样策略。
这样来看，在量子计算的加速下，蒙特卡洛模型的适用性更强。
蒙特卡洛算法模型（图片来源于网络）
2020年7月，西班牙最主要的银行之一的西班牙对外银行（也称西班牙外换银行，简称BBVA），公布了一项研究结果表明，量子计算可以提升信用评分、发现套利机会，以此加速了蒙特卡洛模拟分析方法的通用落地。
另一方面，量子计算用于资本市场的风险分析，还能甄别欺诈行为，这也是前述的Multiverse Computing公司的主要业务。其CEO利扎索（Enrique Lizaso）表示，量子算法在甄别欺诈行为方面十分有效，甄别速度超出现有算法约100倍。
蒙特卡洛抽样策略（图片来源于微软研究报告）
量子计算在保险业风险建模的应用
精算和风险建模，这两者都属于资源密集型计算。一般情况下，保险公司会通过这些计算来识别风险，不仅为了保单定价，还要确保他们可以保持较高的准备金率水平。因为准备金率水平对保险行业尤其重要，正是因为全球金融危机的冲击，监管机构对保险公司准备金或流动性的要求更加严格。一方面，它不仅能确保保险公司履行其应尽的义务或承担的债务；另一方面，金融服务监管机构也会定期设置和监测保险公司的准备金，确保保险公司在紧急情况下也拥有充足的资金。
随着《偿付能力II》( Solvency II) 和新的国际财务报告准则( IFRS) 等举措的出台，保险公司被要求以更高的频率运行更复杂、更细化的模型。当下，瞬息万变的地缘政治局势、网络安全漏洞、全新且更严格的法规，以及数据的增加，这些都增加了建模和计算的复杂性，而且这些工作对实时性要求越来越高。即使建模能力、算法、算力都有了显著的进步，保险业还是接近了经典计算的极限。而量子计算正在破局。量子计算不仅会加快计算速度，还能提供更准确的结果。
Willis Towers Watson是一家咨询、保险经纪和解决方案公司，长期以来一直使用复杂的数学模型为客户提供解决方案。他们就发现有些问题使用经典计算无法解决。因此，WTW开始与微软合作，探索量子计算在保险、金融服务和投资领域的应用。“目前量化风险的建模需要大量的算力，即使使用数千台计算机也需好几个小时,”WTW的 CEO 约翰·哈利（John Haley）说道，“量子计算为我们提供了看待客户问题的不同角度。我们先考虑如何在大规模的量子计算机上解决此类问题，再与微软Azure合作，用类似的思路或算法，使用现有的硬件设备去加速此类问题的求解。”基于这一思路，近期WTW官网披露了结合量子启发式计算的最新产品Radar 4.11 。
使用这些量子启发式技术方案，微软已经能够在Azure云中使用现有经典设备获得数量级的性能加速。一旦量子计算机大规模投入使用，还可能实现更大的加速。随着量子计算机的发展，像WTW这样的客户将能够使用Azure Quantum中的各种量子解决方案、软件和硬件，进行最完整的端到端量子编程。
可以预见，量子计算解决方案将全新改变金融行业各细分领域的管理优化方式。由庞大数据驱动的金融AI是量子计算商业化落地的首选之一，量子计算也将成为其创新驱动的核心来源。当下，金融AI依托量子计算技术在细分领域落地路径呈现多样性的商用特征，值得业界人士广泛关注，全球范围内量子计算在金融AI领域商业化仍然是以欧美企业为主导，国内量子计算商用赋能任重道远。
——end——