[논문 리뷰] Improving the Efficiency of Payments Systems Using Quantum Computing

Christopher McMahon, Donald McGillivray외 6명|arXiv (Cornell University)|2022. 09. 19.

Quantum Computing Algorithms and Architecture인용 수 7

한 줄 요약

이 논문은 실시간 거래 정산(Real-Time Gross Settlement, RTGS) 시스템에서 고가치 결제를 실시간으로 재정렬하여 유동성 수요를 줄이는 하이브리드 양자-고전 알고리즘을 제안한다. D-Wave 하드웨어를 통한 제약 조건이 있는 이차 모델(Constrained Quadratic Model, CQM)을 활용한 양자 앤날링을 통해, 70笔 결제 배치에서 평균 C$240백만의 일일 유동성 절감을 이룬다. 이는 단지 90초의 추가 지연으로도 가능하며, 금융 인프라 분야의 조합 최적화에서 양자 우월성을 입증한다.

ABSTRACT

High-value payment systems (HVPSs) are typically liquidity-intensive as the payment requests are indivisible and settled on a gross basis. Finding the right order in which payments should be processed to maximize the liquidity efficiency of these systems is an $NP$-hard combinatorial optimization problem, which quantum algorithms may be able to tackle at meaningful scales. We developed an algorithm and ran it on a hybrid quantum annealing solver to find an ordering of payments that reduced the amount of system liquidity necessary without substantially increasing payment delays. Despite the limitations in size and speed of today's quantum computers, our algorithm provided quantifiable efficiency improvements when applied to the Canadian HVPS using a 30-day sample of transaction data. By reordering each batch of 70 payments as they entered the queue, we achieved an average of C\$240 million in daily liquidity savings, with a settlement delay of approximately 90 seconds. For a few days in the sample, the liquidity savings exceeded C\$1 billion. This algorithm could be incorporated as a centralized preprocessor into existing HVPS without entailing a fundamental change to their risk management models.

연구 동기 및 목표

• 기존의 리스크 모델을 변경하지 않고 고가치 결제 시스템(HVPS)의 유동성 효율성을 향상시키기 위해.
• 양자 컴퓨팅을 활용해 결제 순서 설정이라는 NP-완전 조합 최적화 문제를 해결하기 위해.
• 기존의 RTGS 시스템에 양자 최적화를 통합할 수 있는 실용적이고 중심화된 프리프로세서를 설계하기 위해.
• 실제 캐나다 HVPS 데이터를 기반으로 양자 강화 결제 순서 매칭의 성능과 확장성을 평가하기 위해.
• 실제 규모의 금융 시스템에서 유동성 절감과 정산 지연 간의 트레이드오프를 정량화하기 위해.

제안 방법

• 결제 재정렬 문제를 혼합 이진 최적화(Mixed Binary Optimization, MBO) 문제로 수식화한다.
• 양자 앤날링에 적합한 형식으로 MBO를 무제약 이진 최적화(Quadratic Unconstrained Binary Optimization, QUBO) 형식으로 변환한다.
• D-Wave의 제약 조건이 있는 이차 모델(CQM) 인프라를 활용한 하이브리드 양자-고전 솔버를 통해 문제를 해결한다.
• 비긴급 캐나다 HVPS 거래의 30일 샘플을 배치 크기 70과 140로 처리한다.
• 참가자들이 시스템 정산 전에 양자 최적화된 재정렬을 위해 지불을 제출하는 중심화된 프리프로세서 모델을 사용한다.
• 실시간 거래 정산 시스템에서 핵심 유동성 리스크 지표인 최대 순차입 지위(mNDP)를 최소화하는 비용 함수를 적용한다.

실험 결과

연구 질문

• RQ1 양자 강화 최적화는 정산 지연을 증가시키지 않고 고가치 결제 시스템의 유동성 수요를 줄일 수 있는가?
• RQ2 실제 HVPS 데이터에서 양자 기반 재정렬의 성능은 표준 FIFO 처리 방식과 비교해 어떻게 되는가?
• RQ3 양자 최적화 프리프로세서에서 유동성 절감과 처리 지연을 균형 잡기 위한 최적의 배치 크기는 무엇인가?
• RQ4 배치 크기가 증가함에 따라 유동성 절감은 어떻게 확장되며, 양자 하드웨어의 능력은 어떤 역할을 하는가?
• RQ5 유동성 절감은 참가자의 거래량 비례로 이루어지는가?

주요 결과

• 70笔 결제 배치를 처리할 때 평균 일일 유동성 절감액이 C$240백만에 달했으며, 평균 지연 시간은 90초였다.
• 26%의 날짜에서 시스템이 유동성 절감을 달성했으며, 이 중 3일은 C$10억 이상의 절감을 기록했다.
• 배치 크기를 140으로 두 배로 늘였더니 평균 일일 절감액이 C$275.7백만으로 증가했고, 한 테스트 일자에서는 종료 시점 절감액이 978% 증가했다.
• 한 테스트 일자에서 70에서 140으로 증가했을 때 중앙값과 최대 절감액은 각각 172%와 53% 향상되었다.
• 유동성 절감액이 참가자의 총 거래 가치 비례로 발생하여, 이점의 공정한 배분이 이루어졌음을 시사했다.
• 하이브리드 양자 솔버는 계산 시간을 실용 수준으로 줄여, 고전적 방법으로는 해결이 곤란한 비트리플 배치 크기의 최적화를 가능하게 했다.