[論文レビュー] A Survey of Quantum Computing for Finance

Dylan Herman, Cody Googin+6 more|arXiv (Cornell University)|Jan 8, 2022

Quantum Computing Algorithms and Architecture被引用数 95

ひとこと要約

この調査は、量子計算を金融に適用することの総合的な概観を提供し、確率的モデリング、最適化、機械学習に焦点を当て、近期の実現可能性とハードウェアの課題について論じる。

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.

研究の動機と目的

• 金融における量子計算アプリケーションの研究動機を提示し、量子スピードアップに適した主要な金融問題を特定する。
• 金融に関連する主要な量子計算概念、ハードウェアの現実、アルゴリズムファミリーを要約する。
• 金融のユースケースを確率的モデリング、最適化、機械学習における量子アルゴリズムへマッピングする。
• 実世界の金融タスクにおける近期量子デバイス（NISQ）の課題と機会を強調する。

提案手法

• 金融における確率的モデリング、最適化、機械学習の最先端をレビューし統合する。
• ゲートベースとアディアバティック量子計算モデルを説明し、さまざまな問題クラスへの適合性を示す。
• 基礎的な量子アルゴリズム（例：QMCI、QPE、QAOA、VQE）とそれらの金融への関連性を論じる。
• セクション5–7および8にわたり、金融問題と量子技術およびハードウェア制約を関連付ける。

実験結果

リサーチクエスチョン

• RQ1 どの金融問題が量子計算の恩恵を受ける可能性があり、近期デバイスでの予想速度向上はどの程度か。
• RQ2 金融における確率的モデリング、最適化、機械学習の問題はどのように量子アルゴリズムへマッピングされるか。
• RQ3 量子金融応用に影響を与える実用的なハードウェア制約（ノイズ、接続性、ゲート速度）は何か。
• RQ4 実機デバイス上での量子金融ユースケースの現状と実現可能性はどうか。
• RQ5 金融分野で量子優位性を達成するために今後浮かぶ研究方向は何か。

主な発見

• 量子計算は金融におけるMonte Carloベースのリスク指標とQMCIに対して潜在的な二乗速での高速化を提供する。
• 確率的モデリング、最適化、およびMLの金融問題は近期の量子デバイス向けに定式化できるが、ハードウェアの制約は依然として大きい。
• デリバティブ価格設定、リスクモデリング、ポートフォリオ最適化、機械学習主導のタスクといった広範な金融ユースケースは、原理的には量子アルゴリズムで対処可能である。
• 本調査はゲートベースとアディアバティックモデルを対比し、実用的展開のための誤り軽減とフォールトトレランスを議論する。
• 近期量子ハードウェア（NISQ）は部分的な利点を提供するかもしれないが、堅牢な量子優位性にはスケーラブルで低ノイズのデバイスが必要である。
• 本研究は現実デバイスでの量子リスク分析とポートフォリオ最適化のハードウェア実装と実験的デモンストレーションを調査する。