Les innovations en matière d'informatique quantique ouvrent la voie à une optimisation avancée des portefeuilles financiers, déclare Nir Minerbi, PDG de Classiq.

La plateforme logicielle d'informatique quantique Classiq Technologies et Citi Innovation Lab - un centre de développement fintech du groupe bancaire new-yorkais Citibank - ont récemment annoncé une collaboration visant à tester le potentiel de l'informatique quantique dans la finance et à comprendre son impact sur la résolution de problèmes commerciaux, en particulier l'optimisation des portefeuilles.

L'optimisation de portefeuille est le processus de sélection de la combinaison optimale d'actifs, tels que des actions, des obligations et d'autres instruments financiers, afin d'obtenir les rendements les plus élevés possibles pour un niveau de risque donné. Citi et Classiq utilisent l'algorithme Quantum Approximate Optimization Algorithm (QAOA) pour l'optimisation de portefeuille sur Amazon Braket - un service cloud AWS entièrement géré.

"Les avancées comprennent la modélisation de haut niveau des algorithmes quantiques pour l'optimisation de portefeuille, ce qui simplifie le processus de conception et d'application. Cela pourrait potentiellement conduire à une amélioration des stratégies financières en permettant des analyses risque-rendement plus complexes et nuancées qui sont réalisables sur le plan informatique grâce à l'informatique quantique", a déclaré Nir Minerbi, PDG de Classiq, au Metaverse Post.

Au stade actuel de la technologie de l'informatique quantique, connu sous le nom d'ère quantique intermédiaire bruyante (NISQ), les ordinateurs quantiques sont confrontés à des limitations dues au bruit et au nombre de qubits. Cela limite la capacité des applications quantiques.

L'équipe s'est donc tournée vers les algorithmes quantiques variationnels, en particulier le QAOA. L'accent a été mis sur l'utilisation de l'algorithme quantique QAOA pour l'optimisation de portefeuille, en étudiant comment les ajustements du facteur de pénalité de l'algorithme (lors de l'introduction de contraintes dans le problème) ont eu un impact sur les performances de l'algorithme.

"L'étude a montré que l'ajustement des facteurs de pénalité utilisés lors de l'introduction de contraintes dans le problème d'optimisation a un impact significatif sur les performances de l'algorithme. Plus précisément, il existe une plage optimale pour les valeurs de pénalité où la probabilité d'obtenir des solutions valides augmente", a déclaré M. Minerbi.

"Pour les contraintes d'égalité, il existe une valeur de pénalité maximale au-delà de laquelle la probabilité de trouver une solution valide diminue. Cela souligne l'importance d'affiner les facteurs de pénalité dans QAOA afin d'améliorer les résultats de l'optimisation du portefeuille", a-t-il ajouté.

Le SDK de Classiq transforme l'optimisation des portefeuilles quantiques

Le SDK de Classiq simplifie la modélisation des algorithmes quantiques, en se concentrant sur les modèles fonctionnels de haut niveau plutôt que sur les opérations de bas niveau. Selon Nir Minerbi, cette abstraction permet aux chercheurs et aux institutions financières de concevoir et d'appliquer facilement et rapidement des algorithmes quantiques pour l'optimisation de portefeuilles, ce qui pourrait accélérer l'adoption et l'impact de l'informatique quantique dans la finance.

Il a ajouté que le SDK est alimenté par le Classiq Engine, une technologie algorithmique de résolution de circuits quantiques.

L'analyse des résultats a permis à l'équipe d'obtenir des informations essentielles sur l'optimisation des solutions dans le cadre des contraintes du portefeuille. Il a été observé que l'ajustement des facteurs de pénalité influence de manière significative l'efficacité du processus d'optimisation.

"Pour les contraintes d'inégalité, la probabilité d'obtenir des solutions valides augmente systématiquement avec le facteur de pénalité, alors que pour les contraintes d'égalité, il existe une valeur de pénalité optimale", a déclaré Nir Minerbi, de Classiq, au Metaverse Post.

Cela souligne l'importance d'un réglage fin des paramètres algorithmiques et plaide en faveur de l'exploration de méthodologies heuristiques pour améliorer les performances des algorithmes quantiques dans les applications financières.

"Amazon Braket a joué un rôle crucial en fournissant un accès à la demande aux simulateurs et aux unités de traitement quantique (QPU), permettant l'exécution d'algorithmes quantiques complexes pour l'optimisation des portefeuilles", a expliqué M. Minerbi. "Cet accès a permis l'expérimentation pratique et la recherche sur les applications de l'informatique quantique dans la finance, accélérant ainsi le développement et le test d'algorithmes quantiques."

En ce qui concerne la suite, M. Minerbi a déclaré que "les prochaines étapes immédiates pourraient consister à évaluer les options, notamment à continuer à affiner et à tester le QAOA et d'autres algorithmes quantiques pour l'optimisation de portefeuille, ainsi qu'à explorer potentiellement de nouvelles techniques d'informatique quantique dans le processus, et à étudier la possibilité d'étendre l'utilisation de l'informatique quantique à d'autres cas d'utilisation dans le domaine financier".

"L'impact potentiel comprend la résolution de problèmes d'optimisation financière jusqu'alors insolubles, conduisant à des marchés plus efficaces, à une meilleure gestion des risques et à des changements potentiellement révolutionnaires dans les stratégies et les opérations financières", a-t-il ajouté.

‍

Lire l'article article complet sur Metaverse Post