2024年7月，MS发表“Improving the Efficiency of Payments Systems UsingQuantum Computing”一文。该文探讨了量子计算在提高支付系统效率方面的潜力，介绍了一种新的算法，该算法通过重新排序支付批次来优化流动性，且不会显著增加支付延迟。此外，该文利用混合量子退火算法解决了确定最佳支付顺序问题。尽管现代量子计算机在规模和速度上存在限制，但该算法在应用于加拿大大额支付系统（HVPS）时，通过使用30天的交易数据样本，每天能够实现约2.4亿加元的流动性节约，且结算延迟仅为大约90秒。与经典计算和当前HVPS中的算法相比，量子算法提供了更大的流动性节约，并且在时间约束下提供了更可靠和一致的解决方案。研究结果表明，在处理大规模支付重新排序问题时，量子计算比传统技术具有显著优势。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。
1.引言
大额支付系统（HVPSs）是各国金融基础设施的核心部分，用于结算大型金融机构之间的交易。这些系统通常是实时毛额清算（RTGS）系统，要求参与者在处理支付之前必须拥有流动性，这会导致机会成本，激励参与者在进行自己的支付前等待进项支付。这种行为可能会降低系统的效率，导致支付延迟甚至僵局。
为了提高HVPS的流动性效率，研究者们提出了一种新的算法，该算法利用量子计算技术来解决支付重排序问题。重排序通过影响流动性回收来提高HVPS的效率，尽管这是一个NP-hard组合优化问题，计算复杂度随着支付数量的增加而迅速增长。研究者们提出的算法旨在搜索支付批次的所有可能顺序，以减少该批次的流动性使用，同时不显著增加结算的平均延迟。在加拿大HVPS的30天非紧急交易样本上测试表明，该算法平均每天可节约约2.4亿加元的流动性。
研究表明，量子退火技术在处理大规模重排序问题时，相比传统技术具有显著的速度优势。量子求解器在五秒内始终能提供解决方案，而SCIP求解器在93%的批次中能做到这一点。此外，量子求解器在处理更大的支付批次时表现更好，表明随着量子计算能力的快速发展，量子技术在解决重排序问题上将比传统技术更有效。最后，与传统的流动性节约机制（LSMs）相比，CQM重排序算法在节约流动性方面也显示出优势。
2.量子算法设计
算法优化的目标是减少系统中结算给定一组支付所需的总流动性，这些支付按照索引i行排序。为了衡量系统中使用的流动性，研究首先定义N(i)作为参与者在结算支付之前的净位置。参与者的净位置是考虑到当天所有进账和出账的流动性余额。接下来，研究定义mNDP为参与者当天迄今为止所经历的最大净贷方位置。如果参与者从N = $0开始一天，那么在所有支付结算后的一天结束时的mNDP，测量了参与者处理其支付而不发生负余额所需的最低流动性。因此，我们可以将mNDP视为参与者的最低流动性要求。在保持支付价值和结算延迟不变的情况下，减少所有参与者的mNDP之和，代表了系统流动性效率的提升。
量子优化器预处理器重新排列支付指令队列，使用替代索引，以满足最小化总流动性需求的目标，同时遵守不使任何参与者在任何时候处于负流动性状态的约束。
研究选择使用CQM混合求解器，它能够处理的约束条件（100,000个）和二进制及整数变量（500,000个）超过了其他任何可用的量子硬件。CQM求解器直接将目标和约束作为输入，因此问题被具体细化为：
表1 ：变量的定义与描述
CQM求解器的结果转化为最优队列顺序涉及找到表示从到重新排序支付的矩阵。这意味着原始队列中的第四个支付应首先处理，然后是队列顶部的支付，依此类推。为了找到这些解决方案，我们根据每个支付和初始的Nα(0)、mNDPα所施加的目标和约束条件计算一个QUBO提交给CQM。将CQM进行多次运行，寻找其中一个最优的重新排序（可能存在多个同样好的重新排序）。
研究根据CQM求解器返回的可行候选解决方案的数量推断出最优性的近似度量。随着问题规模随着队列大小的增加而增加，求解变得更加困难，尽管默认运行时间也随着队列大小的增加而增加，但从CQM返回的可行解决方案更少。
值得注意的是，使用CQM求解器，每个批次都被视为实时处理。该研究方法虽然真实地反映了在现实中一批优化所能达到的效果，但并不总能在一天的过程中实现绝对最小流动性要求。要实现这些，需要进行预测。但平均而言，机构所获得的好处与其进行的交易价值成正比。
3.支付样本与数据
为了测试量子优化器的性能，研究从2015年1月至2017年12月期间加拿大大额支付系统（HVPS）的结算数据中随机抽取了30天的样本。在这30天中，排除了紧急支付，仅使用非紧急支付请求。样本中，每个工作日大约有23,000笔交易。
提交支付请求的频率随一天中的时间而变化，如图1左面板所示。在早上8点到9点之间，支付流量较大。从早上9点到下午4点，支付请求的数量保持稳定，然后随着一天的结束而逐渐减少。另一方面，支付价值遵循帕累托分布，每批结算的总值都保持这种分布（图1右面板）。每批70笔交易的平均结算价值为4亿加元，但有些高达35亿加元。支付的非正态分布使得很难找到双边或多边净额结算的机会。此外，大多数批次中收款人多于付款人，这进一步降低了优化的可能性。
4.实证结果
在对加拿大大额支付系统（HVPS）的30天结算数据样本进行的模拟实验中，研究发现：采用D-Wave系统的CQM混合求解器对支付结算顺序进行优化，可以显著提高流动性节约。具体而言，对于每批70笔支付，CQM求解器平均仅用5秒钟的求解时间，能在26%的批次中实现比原始先入先出（FIFO）顺序更节约流动性的效果。这导致平均每天节约约2.40亿加元，占典型流动性使用的1.4%，甚至最高超过了10亿加元，可达使用量的7%。
表2 ：上午8时至下午6点间结算的付款总额统计结果
图2 ：各参与者相对其总交易价值的流动性节约情况
此外，每位参与者节约的总流动性与他们进账和出账交易的总值成正比。与SCIP求解器的性能比较中，尽管SCIP求解器在大多数批次中找到了与CQM相当的解决方案，但在许多情况下，其性能却不及CQM。特别是当时间限制为5秒时，SCIP求解器仅在一天中略微超过了CQM的节约额，而在其他时间，其性能都有所下降，平均每天节约270万加元。
5.备选算法与求解器讨论
该研究还比较了CQM重排序算法与传统流动性节约机制（LSMs）的性能，包括在加拿大HVPS（称为Lynx）中使用的机制。在假设批次结算有固定延迟的情况下，CQM重排序在节约方面与Lynx系统相当。尽管Lynx系统结合了多种LSMs，包括旁路和更有利的双边及多边净额结算，CQM还是提供了略微更大的流动性节约。
总体而言，重排序算法在提高HVPS的效率方面具有潜力，并且无论是使用量子还是经典技术解决，都能实现流动性节约。但量子技术在提供解决方案的一致性、速度和规模方面显示出了若干优势，尤其是在业务应用对求解时间有限制的情况下。
表3 各备选算法和求解器列表
6.研究结论与未来展望
本研究通过量子计算设计算法，利用加拿大HVPS的30天交易样本，展示了流动性节约与对支付系统效率的提高。研究揭示了：重新排序算法是提高依赖毛额结算的金融基础设施效率的有前景的方法。通过添加一个预处理器，使用混合量子求解器重新排序原始支付提交序列，在对于70和140笔支付的队列，平均每天的总流动性节约分别为2.39亿和2.75亿加元。这些节约往往与参与者的支付价值成正比。与经典计算机硬件的解决方案相比，量子求解器解决重新排序问题的方法在可靠性、一致性和可扩展性方面更胜一筹，特别是在解决时间受限的情况下。
然而，潜在的日常流动性节约受到参与者之间支付的时间和结构的限制。这一问题为未来改进提供了方向。首先，重新排序更大的批次规模。其次，要根据队列时间、支付价值以及付款人和收款人之间的净余额的组合来实施灵活的批次规模。最后，进一步讨论量子在金融基础设施中的潜在应用。
……
获取完整文章
请后台回复“量子计算”
获取下载链接
END
责编/李锦璇
编译/段诏曦
排版/段诏曦
【延伸阅读】
