[논문 리뷰] A Survey of Quantum Computing for Finance

Dylan Herman, Cody Googin외 6명|arXiv (Cornell University)|2022. 01. 08.

Quantum Computing Algorithms and Architecture인용 수 95

한 줄 요약

이 설문조사는 금융에의 양자 컴퓨팅 적용에 대한 포괄적 개요를 제공하며, 확률적 모델링, 최적화, 머신러닝에 중점을 두고 근시적 실현 가능성과 하드웨어 도전 과제를 논의한다.

ABSTRACT

Quantum computers are expected to surpass the computational capabilities of classical computers during this decade and have transformative impact on numerous industry sectors, particularly finance. In fact, finance is estimated to be the first industry sector to benefit from quantum computing, not only in the medium and long terms, but even in the short term. This survey paper presents a comprehensive summary of the state of the art of quantum computing for financial applications, with particular emphasis on stochastic modeling, optimization, and machine learning, describing how these solutions, adapted to work on a quantum computer, can potentially help to solve financial problems, such as derivative pricing, risk modeling, portfolio optimization, natural language processing, and fraud detection, more efficiently and accurately. We also discuss the feasibility of these algorithms on near-term quantum computers with various hardware implementations and demonstrate how they relate to a wide range of use cases in finance. We hope this article will not only serve as a reference for academic researchers and industry practitioners but also inspire new ideas for future research.

연구 동기 및 목표

• 금융에서의 양자 컴퓨팅 응용 연구를 촉진하고 양자 속도향상에 적합한 주요 금융 문제를 식별한다.
• 금융과 관련된 핵심 양자 컴퓨팅 개념, 하드웨어 현실, 그리고 알고리즘 계열을 요약한다.
• 금융 사용 사례를 확률적 모델링, 최적화, 머신러닝 분야의 양자 알고리즘에 매핑한다.
• 현실 세계의 금융 작업에서 근시일 내 양자 장치(NISQ)의 도전과 기회를 강조한다.

제안 방법

• 금융의 확률적 모델링, 최적화, ML 전 분야의 최신 연구 현황을 검토하고 종합한다.
• 게이트 기반 및 애디어배틱 양자 컴퓨팅 모델과 이들의 다양한 문제 클래스에 대한 적합성을 설명한다.
• 기초 양자 알고리즘(예: QMCI, QPE, QAOA, VQE)과 금융에의 적합성을 논의한다.
• 섹션 5–7 및 8 전반에서 금융 문제를 양자 기술 및 하드웨어 제약과 상관시켜 설명한다.

실험 결과

연구 질문

• RQ1 어떤 금융 문제가 양자 컴퓨팅의 혜택을 받을 수 있으며, 근시안 장치에서 기대되는 속도향상은 무엇인가?
• RQ2 금융의 확률적 모델링, 최적화, 머신러닝 문제는 양자 알고리즘에 어떻게 매핑되는가?
• RQ3 양자 금융 응용에 영향을 주는 실제 하드웨어의 한계(노이즈, 연결성, 게이트 속도)는 무엇인가?
• RQ4 실제 장치에서 양자-금융 사용 사례를 구현하는 현재 상태와 실현 가능성은 무엇인가?
• RQ5 금융에서 양자 우위를 달성하기 위해 등장하는 향후 연구 방향은 무엇인가?

주요 결과

• 양자 컴퓨팅은 금융에서 몬테카를로 기반 위험 지표와 QMCI에 대해 잠재적인 2차 속도향상을 제공한다.
• 확률적 모델링, 최적화, ML의 금융 문제는 근시안 양자 장치에 대해 형식화될 수 있지만 하드웨어 한계는 여전히 큼.
• 파생상품 가격결정, 위험 모델링, 포트폴리오 최적화 및 ML 구동 작업을 포함한 광범위한 금융 사용 사례가 원칙적으로 양자 알고리즘으로 다룰 수 있다.
• 본 설문은 게이트 기반과 애디어배틱 모델을 대비하고 실용적 배치를 위한 오류 완화 대 fault-tolerance를 논의한다.
• 근시일 양자 하드웨어(NISQ)는 부분적인 이점을 제공할 수 있으며, 강건한 양자 우위는 확장 가능하고 저잡음인 장치가 필요하다.
• 본 연구는 실제 장치에서의 양자 위험 분석 및 포트폴리오 최적화의 하드웨어 구현과 실험적 시연을 조사한다.