论文阅读：《量子计算在经济与金融领域的应用》

论文阅读：《量子计算在经济与金融领域的应用》

• 📰 文下载地址

0 摘要

一旦构建出功能齐全的通用量子计算机，量子计算机可以凭借强大的运算能力，大幅降低模拟和优化所需要的时间、提高模型的准确性，很多当前具有挑战性的问题就可以迎刃而解。

例如：使用蒙特卡洛方法进行期权定价、使用随机微分方程对金融市场进行建模、优化投资组合、使用机器学习的方法进行分类和预测等等。

另一方面，高效的计算能力也会带来风险和挑战。ATM交易、数字货币、加密算法等在量子计算面前不堪一击。

1 量子计算概述

1.1 量子计算的概念与发展脉络

1.1.1 概念

存储信息的能力：对于经典计算机，$n$位比特能够表示由$0$和$1$组成的$2^n$种组合的其中一种，而$n$位量子比特能够表示$2^n$种叠加态。随着$n$的增加，量子比特的存储信息量以指数增长。

处理信息的能力：经典计算机一步只能对$2^n$种可能性的一种进行运算操作，而量子计算机每一步可以同时对$2^n$种数据同时进行酉变换（幺正变换），相当于处理信息的能力是经典计算机的$2^n$倍。

1981年计算物理会议：量子计算机将信息存储在量子比特中，并且利用量子纠缠和量子干涉原理来解决指数级大数据计算问题。

50量子比特时，处理特定的问题的能力已经超越经典计算机。

1.1.2 量子计算发展脉络

1980 Benioff 量子计算思想
1982 Feynman 按量子力学规律工作的计算机
1985 Deutsch 量子图灵机模型
1997 Shor Shor算法，解决大数分解问题，对RSA产生威胁
2007 16量子比特“猎户星座”量子计算机
2018 谷歌 72量子比特通用量子计算机
2018 阿里云+中科院 11量子比特计算云服务系统
2020 “九章”量子计算机 求解高斯玻色取样仅需200秒

硬件研制处于初步阶段，现有的都具有局限性。

1.2 量子计算的原理与算法

量子计算机输入量子比特，计算机内部对量子比特进行模拟操作，输出结果需要进行专门的测量才能得到。量子空间进行模拟操作运用到了量子纠缠原理。量子纠缠现象违反了经典物理学原理，这个特性是量子计算机运算能力强的根本原因。
实用的量子计算机：能够减少噪声、控制大量量子比特。
量子比特对环境十分敏感，一点小噪声都能产生较大的影响，减少噪声的过程称为量子纠错，是量子计算机重要部分。量子纠错引入大量辅助比特，再像经典比特中的奇偶校验一样测量辅助比特。

1985 Deutsch算法
1992 改进版Deutsch-Jozsa算法
1997 Simon算法
1997 Shor算法：首次使用了量子傅里叶变换QFT，时间复杂度$O(lgN)$。该算法是一种随机算法，不能保证每次都正确，通过多次计算来提高得到正确结果的可能性。
1996 Grover算法：高效搜索算法，实现了多项式加速。对于N个数据，得到正确结果的概率最大为$1-2^{-N}$，当$N$较小时错误的可能性较大。
2004 龙桂鲁：提出了一种100%正确率的Grover算法改进版。
2021 刘晓楠：Grover算法改进与应用。

线性系统的求解：量子算法比经典算法快很多。
2009 HHL算法：求解稀疏线性系统的量子算法
2017 Childs et al：降低了HHL算法的复杂度，2018年推广到有限域上求解多项式方程
2022 Chen&Gao：求解布尔多项式系统的量子算法

应用于神经网络：可以使更复杂的神经网络得以训练，也可以加速训练。
1995 Kak：量子神经网络思想(QNNs)
2018 Farhi&Neven：为适用于量子处理器的监督学习做了框架并进行模拟
混合量子计算平台：伊辛机(CM)

量子退火机：依靠量子退火算法（QA）。用来寻找目标函数空间内的局部最优解设计的目的是在组合优化问题中寻找局部最小值。。

1.3 量子计算的优势与面临的挑战

优势：
1、量子计算机的计算能力远超经典计算机。
2、量子计算算法在时间复杂度方面远超传统算法，往往有指数级增长。
3、在效率上有极大改善。
4、量子计算机更节能。

挑战：
1、量子的消相干现象。
2、量子的不可克隆性。

1.4 量子计算的成本与收益

1、应用面临高额成本。制冷技术+能耗。
2、巨大的经济效益。量子计算尚无专利壁垒，在产业上大有可为，应用领域广泛。天气预报准确性、辅助决策、协助研发、复杂建模。

2 量子计算在经济与金融领域的主要应用方向

经济体内部高度复杂，预测建模困难。
对多种资产的资产价格的长期时间序列的分析很难。

随着中等规模的量子计算机出现，应用的可行性进一步提高。
计算速度的微小改进，会对金融汇报产生巨大收益。

2.1 量子计算与经济预测

宏观经济预测模型，现有模型准确率较低。
Almino：量子计算技术在GDP增长的预测上效果很好。在通货膨胀指标预测方面，克服了预测能力不足的问题，错误率更低。

股票等资产价格的预测：
量子计算能优化计算的复杂度，提高模型的准确性。
Lu et al（2022）：一种新的基于量子隐马尔可夫算法的股票预测模型，减少了参数的使用，并达到与传统隐马尔可夫模型相似的效果。
Ａmjad et al（2018）结合了量子进化算法与模糊逻辑，提出了一种模糊时间序列（FTS）预测的新算法。

复杂金融网络中金融崩溃的问题：
复杂NP问题，没有已知算法可以保证找到最优解
Ding et al(2019) D-wave量子计算机，提供了一种可能更有效的方法来评估金融平衡和预测金融崩溃。
Alminos et al(2022)量子算法应用于股市下跌问题，开发了一种通过实时衰退概率预测股市崩盘的新模型，对未来全球股市低迷情景的预测具有非常好的效果。

2.2 量子计算与期权定价

对蒙特卡罗方法进行加速。
定价模型：量子主成分分析方法，证明量子计算在金融中完全可行。
隐含波动率：基于量子神经网络的基础上，提出了一种用于学习隐含波动率的量子方法。
量子神经网络算法目前处于起步阶段。

2.3 量子计算与投资组合

投资组合问题可以表述为等式约束的二次规划问题：在固定的风险下找到预期收益最大化的投资 组合，或者在固定的预期收益下找到风险最小化的投资组合。

量子算法用于确定最佳投资组合所花费的时间远小于经典算法，在实际交易中非常有益。

尝试将量子计算用于模拟二级市场。

对于经典计算机来说，实现NP问题最优化的选择是非常困难的，但量子优化算法可以解决这个问题。

2.4 量子计算与银行业务

风险模型的准确性对于银行来说意义重大。 量子计算不仅能够提高精度，还能提高速度。
量子计算能显著有效地加速大规模神经网络中的深度学 习，提高其数据处理速度和处理量，从而进一步提高银行业的智能化水平。
量子机器学习可分为两类：一 是寻找量子版本的机器学习算法，二是应用经典机器学习优化量子系统。
量子计算的引入能够大幅改善评估信用风险的精度，减少所需时间。分类。
量子退火机能够以编程方式降低特征集维数，未来的量子退火机也可以用于确定信用分析的最优特征。

2.5 量子计算与数字货币

量子货币实质上就是基于量子密码学的数字货币。利用不可克隆定理 、不确定性定理和量子的叠加态能够实现加密，使得量子货币在物理上无法伪造。

3 量子计算影响经济与金融发展的理论机制

一方面，量子计算凭借高效存储能力和计算效率，能 在 解决限制经济与金融发展的传统因素方面发挥重要作用。
另一方面，量子计算的快速发展可能对经济与金融的发展带来威胁和挑战。

3.1 量子计算优化经济与金融运行的内在机理

1、降低信息不对称。客户还债能力、信用评估。量子计算的引入能够应用更多信息、更精准快速地通过机器学习实现对财务造假的识别。
2、降低金融交易成本。信息搜寻成本、信息处理成本，信息存储成本。
3、提高经济全要素生产率与运行效率。提高风险管理效率。

3.2 量子计算威胁经济与金融发展的潜在机制

1、产生新的道德风险。没有掌握技术的一方处于不利位置。
2、引发科技伦理问题。量子计算机的出现使得公共密钥不再安全可靠，RSA，DES等。量子计算的影响是两方面的。 它既能提高信息加密水平，也会对现有的加密体系造成严重的冲击。抗量子计算攻击的密码体制还没有真正建立起来。
3、伪造数字货币。破解数字签名。

4 总结

在非技术挑战方面，关于量子计算的研究至少包括量子算法、量子程序设计、量子计算机体系结构 、量子计算物理实现等多个层次。