[论文解读] Quantum Computation for Pricing the Collateralized Debt Obligations

Hao Tang, Anurag Pal+4 more|arXiv (Cornell University)|Aug 6, 2020

Quantum Computing Algorithms and Architecture参考文献 24被引用 6

一句话总结

本文提出一种基于量子振幅估计算法（QAE）的量子算法，用于利用量子振幅估计算法加速蒙特卡洛模拟，实现对抵押债务凭证（CDO）的定价。通过利用条件独立性将单因子高斯和正态逆高斯Copula模型映射为量子线路，该方法在经典蒙特卡洛方法上实现了二次加速，并在IBM Qiskit上实现了可扩展的电路设计，验证了其可行性。

ABSTRACT

Collateralized debt obligation (CDO) has been one of the most commonly used structured financial products and is intensively studied in quantitative finance. By setting the asset pool into different tranches, it effectively works out and redistributes credit risks and returns to meet the risk preferences for different tranche investors. The copula models of various kinds are normally used for pricing CDOs, and the Monte Carlo simulations are required to get their numerical solution. Here we implement two typical CDO models, the single-factor Gaussian copula model and Normal Inverse Gaussian copula model, and by applying the conditional independence approach, we manage to load each model of distribution in quantum circuits. We then apply quantum amplitude estimation as an alternative to Monte Carlo simulation for CDO pricing. We demonstrate the quantum computation results using IBM Qiskit. Our work addresses a useful task in finance instrument pricing, significantly broadening the application scope for quantum computing in finance.

研究动机与目标

• 为解决CDO定价中蒙特卡洛模拟的计算瓶颈问题，该问题在复杂信用衍生品中至关重要。
• 在量子线路中实现两种主要的CDO定价模型——单因子高斯Copula与正态逆高斯Copula。
• 应用量子振幅估计算法（QAE）作为经典蒙特卡洛方法在数值定价中的更快替代方案。
• 设计可扩展的CDO分层定价量子线路，分析线路深度与量子比特数量及系统参数的依赖关系。
• 展示在量化金融应用中实现量子优势的可行性与潜力。

提出的方法

• 作者采用条件独立方法，将系统性风险与资产特异性违约的多变量分布加载到量子态中。
• 通过受控旋转和纠缠，构建高斯与正态逆高斯Copula模型的量子线路，以编码依赖结构。
• 应用量子振幅估计算法（QAE）来估计CDO分层的预期损失，相较于经典蒙特卡洛方法实现二次加速。
• 分析线路深度作为关键参数的函数：$n_z$（系统性风险量子比特数）、$n_x$（资产数）和 $n_s$（总损失量子比特数）。
• 使用IBM Qiskit进行实现验证，补充材料中提供了完整的线路图与可扩展性分析。
• 通过归一化方法实现问题的可扩展性，可在不改变金融结果的前提下减少 $n_s$。

实验结果

研究问题

• RQ1 量子振幅估计算法能否有效应用于CDO等结构化信用衍生品的定价？
• RQ2 复杂的Copula模型（高斯与NIG）如何映射到用于金融定价的量子线路中？
• RQ3 所提出的量子CDO定价算法的线路深度如何随模型参数变化而变化？
• RQ4 在近期量子硬件上实现量子CDO定价的实际限制与可扩展性前景如何？
• RQ5 在基于蒙特卡洛的CDO估值中，能否实现计算速度的量子优势？

主要发现

• CDO定价任务的量子线路已在IBM Qiskit上成功实现，提供了完整的线路图以供验证。
• 算符 $\mathcal{U}_Z$ 的线路深度随 $n_z$ 呈多项式增长，表明其在 $n_z$ 较大时为最耗资源的组件。
• $\mathcal{L}_Z$ 算符的深度与 $n_z$ 和 $n_x$ 均接近线性关系，表明其对依赖结构的编码效率较高。
• $\mathcal{C\&R}$ 算符的深度取决于 $n_s$ 和附着点数量，但可通过损失与分层水平的缩放进行优化。
• 整体线路深度随系统规模合理增长，支持将该方法扩展至更大的CDO池。
• 本工作通过用QAE替代经典蒙特卡洛方法，为CDO定价实现量子优势提供了切实可行的路径，实现了二次加速。