技术应用 | 量子算法在金融领域的应用及量子云平台建设

文 / 史沛轩

金融服务业作为一个前瞻性行业，持续探索并寻求利用新兴技术以增进其盈利能力。该行业大体上涵盖银行业务、金融市场以及保险业务三个主要的垂直细分市场，如表1所示。

表1  金融服务业的细分市场

基于金融服务细分市场，其资产管理、投资银行及零售和企业银行业务，正涌现出一系列对经典计算能力构成挑战的问题。从采用移动设备吸引客户，到通过新的技术和数据源探索新的商业模式，再到当前由成本压力、技术中断和监管变化等多重挑战共同驱动的第三波浪潮，这些方面都正在经历着数字化转型的深刻变革。

在此背景下，量子计算作为一项前沿技术，其对企业未来发展的潜在益处日益凸显。量子计算有望通过减少监管处罚成本、提升客户满意度和品牌认知度、增加客户互动和财务活动，以及降低资本水平、改善现金流等关键业务指标，为金融机构带来显著效益，如图1所示。

图1  量子计算驱动业务概览图

在金融领域，量子计算的应用潜力凭借机器学习（ML）的模拟仿真与优化求解，广泛体现在金融客户生命周期上。接下来，将探讨量子计算如何通过机器学习在这两大领域发挥重要作用，并具体阐述其在客户识别、金融产品、监控交易及客户保留等方面的应用前景。

1.模拟仿真问题

在客户生命周期的每个阶段，模拟仿真问题都扮演着至关重要的角色。量子计算通过机器学习算法在此方面的应用主要体现在以下四个维度。

客户识别：量子计算通过复杂的机器学习算法，为衍生品定价等增值服务提供了新的收入来源，这一服务有望弥补因欧盟金融市场的重要监管框架（MiFIDⅡ）等监管限制的交易透明度提升所带来的经济损失。

金融产品：量子计算有助于更准确地管理风险价值（VaR）和经济资本要求（ECR），从而改善流动性管理，并帮助金融机构保持其风险较高资产的股本比率，同时避免巴塞尔协议Ⅲ相关的合规罚款。

监控交易：量子计算允许采用更精确的机器学习方法将市场波动性纳入机构的一级报告，从而优化风险加权资产（RWA）结果，降低交易成本，提高投资组合的相关性。

客户保留：量子计算可以改进新的净稳定融资比率时间框架要求的风险分析，从而影响经纪商和对冲基金的业务成本，进而减少客户流失。

在期权定价和风险管理方面，量子计算也展现出巨大潜力。期权作为一种金融衍生品合同，其公允价值计算因参数随机性而复杂。传统的数值蒙特卡洛（MC）模拟方法需要大量的计算资源，而量子计算，特别是量子振幅估算（QAE）等算法，有望在经典MC模拟的基础上提供二次加速，显著提高计算效率。

2.优化求解问题

与模拟问题相似，优化问题同样存在于客户生命周期的各个阶段。量子计算在此方面的应用主要体现在以下四个维度。

客户识别与评估：量子计算可以提高金融供应链效率，重点关注客户和供应商，以增加流动资金水平，提高流动性，并最大限度地降低风险，避免逾期付款现象。

金融产品：量子计算有望加快贸易结算能力，从而降低相关的资本要求、系统性风险和运营成本。

监控交易：量子计算可以通过根据市场变化进行再平衡来保持投资组合的相关性，同时处理所有相关费用，显著降低交易成本。

客户保留：量子计算可以改进公司与潜在买家的匹配流程，减少因自动化投资银行趋势导致的客户流失。

在金融优化问题中，量子计算的应用涉及最大化或最小化目标函数，受多种约束条件限制。这些问题在金融领域具有广泛的应用，如供应链优化、投资策略制定和生产力提升等。尽管量子计算在优化算法中的应用仍是一个活跃的研究领域，但随着技术的进步和算法的发展，量子计算有望在提升解决方案质量、优化计算时间等方面提供切实的优势。

特别是针对离散优化问题，量子算法如变分量子本征求解器（VQE）和量子近似优化算法（QAOA）已受到广泛关注。这些算法在处理如组合拍卖清算等复杂的离散值优化问题时展现出显著潜力。

综上所述，金融服务领域面临诸多对精度或运行时间有着极高要求的计算挑战，可概括为机器学习下的优化和模拟两大领域。对于优化问题，其分辨率在给定时间范围内呈指数级增长，限制了求解效率。量子计算机通过整体优化方法，展现出在较少步骤内找到更优解的潜力。对于机器学习问题，复杂数据结构阻碍了分类或预测的准确性。量子计算机的多维数据建模能力有望发现更优模式，提升预测精度。对于模拟问题，时间限制使得执行的模拟场景难以找到最佳的潜在解决方案。量子计算机的高效采样方法可能仅需更少样本，便能更快速地获得准确解。如表2、表3所示，阐述了引入的量子算法对三类问题的适用性，以及对于金融服务、资产管理、投资银行、商业银行等重点领域的适用量子算法。

表2  提高计算效率及准确率的量子算法表

表3  金融服务重点领域和量子算法对应表

量子云计算（QCC）的概念是一种新的计算范式，旨在通过使用云计算平台促进最终用户访问量子。用户将可以通过QCC轻松访问量子计算机。量子计算机可以放置在基于云的平台上，并通过应用编程接口（API）为最终用户提供服务。同样，量子处理能力可以分布到边缘和雾等节点，从而减少延迟和带宽流量。云平台提供量子计算机所需的环境参数（网络基础设施、存储、操作环境等），并承担将量子计算机上的计算结果传输到网络最远点的任务。边缘和云计算与量子相结合，通过提高效率和可持续性，以及所有这些优势，在包括金融领域的世界中发挥重要作用。如图2所示，展示了量子云平台在金融领域的架构，通过量子计算算法与云计算、边缘计算、雾计算的结合，在终端为金融客户提供包括资产管理、投资银行、保险等领域的客户识别与评估、金融产品、监控交易、客户保留服务。

图2  金融领域量子云平台架构图

量子云计算被认为是未来量子计算领域最直接的用途之一，亚马逊、微软和IBM等公司现已开始向公众提供量子服务。尽管这些举措仍处于初级阶段，但为未来量子计算云平台的建设方向提供了应用参考。

基于云的量子计算平台使用户能够根据自己的需求快速扩展计算能力，为不同规模的量子计算问题分配适当的资源。基于云的量子计算平台可以在实际量子计算机上运行量子算法之前开发和测试量子算法。这种方法消除了访问量子计算机所需的专业技能和专业知识，同时也通过基于云的量子计算降低了云平台成本。量子云计算平台可以让用户从服务平台提供的量子专家中受益。因此，新加入量子计算用户或组织可以开发量子计算，并在真正的量子计算机上运行。同时也降低了对现场物理安全措施的要求。

未来，量子云平台的发展将赋能各个领域，在金融行业，可在数据分析、数据安全、机器学习、优化求解中取得进一步进展。

高效数据分析：量子云平台可以用于包含大型数据集的应用程序，量子计算机以其超快的并行计算能力，能够在极短时间内处理海量的金融数据，解决传统计算机难以或无法应对的复杂问题。例如，在风险评估、资产配置、产品设计及市场预测等关键环节，量子计算机可以显著提升金融机构的决策效率和准确性。通过量子算法，金融机构能够在秒级别内完成传统计算机需要数小时甚至数天的投资组合优化任务，从而抓住瞬息万变的市场机遇。

提升数据安全性：随着量子计算的发展，传统加密方法面临严峻挑战。然而，量子信息技术却以其天然的抗攻击和抗干扰能力，为金融数据的安全传输和存储提供了全新解决方案。量子加密卡可以实现无条件安全的数据加密和传输，有效防止黑客和第三方窃取或篡改金融信息。这一特性对于保护金融机构的核心资产和客户隐私至关重要。

机器学习训练提速：量子云平台能够有效缩短机器学习和深度学习模型的训练时间，提高预测和决策的准确率，为金融机构提供更加智能化的风险控制和投资策略。

求解问题优化：在复杂问题求解方面，量子云平台可用于开发具有挑战性和复杂技术的创新解决方案，如利用量子计算优化算法改进金融产品的匹配度和个性化程度，提升客户满意度和忠诚度。

在量子云计算领域尽管仍面临一些困难，但其有潜力推动创新，并为实现使用量子计算的优势赋能百业发展。随着时代发展，量子云计算可以在未来几年彻底改变量子计算用于解决经典计算棘手问题的方式，金融行业也需抓住机遇，继续探索量子计算在行业的应用，深度挖掘应用场景，谱写好数字金融大文章。

（此文刊发于《金融电子化》2024年8月上半月刊）