Classiq-CEO Nir Minerbi: Innovationen im Quantencomputing ebnen den Weg für fortschrittliche Finanzportfolio-Optimierung

Die Quantencomputing-Softwareplattform Classiq Technologies und das Citi Innovation Lab - ein Fintech-Entwicklungszentrum der New Yorker Bankengruppe Citibank - haben kürzlich eine Zusammenarbeit angekündigt, um das Potenzial des Quantencomputings im Finanzbereich zu testen und seine Auswirkungen auf die Lösung von Geschäftsproblemen, insbesondere die Portfoliooptimierung, zu verstehen.

Portfolio-Optimierung ist der Prozess der Auswahl der optimalen Mischung von Vermögenswerten wie Aktien, Anleihen und anderen Finanzinstrumenten, um die höchstmögliche Rendite bei einem gegebenen Risikoniveau zu erzielen. Citi und Classiq verwenden den Quantum Approximate Optimization Algorithm (QAOA) für die Portfoliooptimierung auf Amazon Braket - einem vollständig verwalteten AWS-Cloud-Service.

"Zu den Fortschritten gehört die Modellierung von Quantenalgorithmen für die Portfoliooptimierung auf hohem Niveau, was den Entwurfs- und Anwendungsprozess vereinfacht. Dies könnte zu verbesserten Finanzstrategien führen, indem komplexere und nuanciertere Risiko-Rendite-Analysen ermöglicht werden, die mit Quantencomputern rechnerisch machbar sind", so Nir Minerbi, CEO von Classiq gegenüber Metaverse Post.

In der derzeitigen Phase der Quantencomputertechnologie, der so genannten Noisy Intermediate-Scale Quantum (NISQ)-Ära, stoßen Quantencomputer aufgrund von Rauschen und Qubit-Anzahl an ihre Grenzen. Dies schränkt die Kapazität von Quantenanwendungen ein.

Daher wandte sich das Team variablen Quantenalgorithmen zu - insbesondere QAOA. Der Schwerpunkt lag auf dem Einsatz des QAOA-Quantenalgorithmus für die Portfolio-Optimierung, wobei untersucht wurde, wie sich Anpassungen des Straffaktors des Algorithmus (bei der Einführung von Nebenbedingungen in das Problem) auf die Leistung des Algorithmus auswirken.

"Die Studie ergab, dass die Anpassung der Straffaktoren, die bei der Einführung von Nebenbedingungen in das Optimierungsproblem verwendet werden, die Leistung des Algorithmus erheblich beeinflusst. Insbesondere gibt es einen optimalen Bereich für Strafwerte, in dem die Wahrscheinlichkeit, gültige Lösungen zu erhalten, steigt", so Minerbi.

"Für Gleichheitsbeschränkungen gibt es einen Höchstwert, ab dem die Wahrscheinlichkeit, eine gültige Lösung zu finden, abnimmt. Dies unterstreicht die Bedeutung einer Feinabstimmung der Straffaktoren in QAOA, um die Ergebnisse der Portfoliooptimierung zu verbessern", fügte er hinzu.

Classiqs SDK transformiert die Optimierung von Quantenportfolios

Das SDK von Classiq vereinfacht die Modellierung von Quantenalgorithmen, indem es sich auf High-Level-Funktionsmodelle und nicht auf Low-Level-Operationen konzentriert. Laut Nir Minerbi ermöglicht diese Abstraktion Forschern und Finanzinstituten die einfache und schnelle Entwicklung und Anwendung von Quantenalgorithmen für die Portfolio-Optimierung, was die Akzeptanz und den Einfluss von Quantencomputern im Finanzbereich beschleunigen könnte.

Er fügte hinzu, dass die Classiq Engine, eine algorithmische Technologie zur Lösung von Quantenschaltkreisen, das SDK antreibt.

Aus der Analyse der Ergebnisse gewann das Team erste Erkenntnisse über die Optimierung von Lösungen innerhalb von Portfoliobeschränkungen. Es wurde festgestellt, dass die Anpassung von Straffaktoren die Effizienz des Optimierungsprozesses erheblich beeinflusst.

"Bei Ungleichheitsbeschränkungen wächst die Wahrscheinlichkeit, gültige Lösungen zu erhalten, konstant mit dem Straffaktor, während es bei Gleichheitsbeschränkungen einen optimalen Strafwert gibt", so Nir Minerbi von Classiq gegenüber Metaverse Post.

Dies unterstreicht die Bedeutung der Feinabstimmung von Algorithmusparametern und spricht für die Erforschung heuristischer Methoden zur Verbesserung der Leistung von Quantenalgorithmen in Finanzanwendungen.

"Amazon Braket spielte eine entscheidende Rolle, indem es einen On-Demand-Zugang zu Simulatoren und Quantenverarbeitungseinheiten (QPUs) bereitstellte und so die Ausführung komplexer Quantenalgorithmen für die Portfoliooptimierung ermöglichte", erklärte Minerbi. "Dieser Zugang ermöglichte die praktische Erprobung und Erforschung von Quantencomputing-Anwendungen im Finanzbereich und beschleunigte die Entwicklung und das Testen von Quantenalgorithmen."

Was die nächsten Schritte angeht, so sagte Minerbi: "Die nächsten unmittelbaren Schritte könnten darin bestehen, die Optionen zu evaluieren, einschließlich der weiteren Verfeinerung und Erprobung des QAOA und anderer Quantenalgorithmen für die Portfolio-Optimierung sowie der potenziellen Erforschung neuer Quantencomputertechniken in diesem Prozess und der Erforschung der Ausweitung des Einsatzes von Quantencomputern auf andere Anwendungsfälle im Finanzbereich."

"Die potenziellen Auswirkungen umfassen die Lösung von bisher unlösbaren Finanzoptimierungsproblemen, die zu effizienteren Märkten, einem verbesserten Risikomanagement und potenziell revolutionären Veränderungen bei Finanzstrategien und -operationen führen", fügte er hinzu.

‍

Lesen Sie den vollständigen Artikel auf Metaverse Post