Photonic Quantum Computing vs. Classical Solvers in Constrained Factor Portfolio Optimization

تخيل أنك قبطان سفينة ضخمة تحاول الإبحار في محيط عاصف للعثور على الكنز الأكثر قيمة. هدفك ليس مجرد العثور على الذهب؛ بل هو العثور على أكبر قدر ممكن من الذهب مع الحفاظ على السفينة من الغرق، وتجنب الأمواج العملاقة، والتأكد من أن طاقمك لا يتكون من أشخاص متشابهين تماماً (لأن ذلك يشكل خطراً إذا أصيبوا جميعاً بدوار البحر في وقت واحد). لعقود من الزمن، استخدم القبطان خرائط وبوصلات قديمة وموثوقة (الرياضيات الكلاسيكية) لرسم مساراتهم. ولكن مؤخراً، وصلت تقنيتان جديدتان ومجنونتان إلى الساحة: إحداهما هي "بوصلة كمومية" تستخدم القواعد الغريبة والغامضة للكون لتخمين المسار الأفضل فوراً، والأخرى هي "متدرب آلي" يتعلم من خلال التجربة والخطأ، آملاً في فهم قواعد المحيط أثناء إبحاره.

السؤال الكبير للتمويل الحديث هو: هل يمكن لهذه الأدوات عالية التقنية أن تؤدي وظيفة أفضل من الطرق القديمة الموثوقة؟ وتحديداً، هل يمكنها بناء "محفظة استثمارية" (مجموعة من الاستثمارات) تحقق أرباحاً أكثر بمخاطر أقل؟ هذا البحث يغوص في هذا التحدي بالضبط. فهو يختبر ثلاثة "قادة" مختلفين يحاولون حل نفس اللغز المعقد: حاسوب فوتوني كمومي (آلة تستخدم الضوء لحل المشكلات)، ومحلل كلاسيكي فائق الذكاء (رياضي صارم جداً يتبع القواعد)، ووكيل تعلم تعزيزي عميق (روبوت يتعلم من خلال لعب اللعبة). أراد الباحثون معرفة أيهم يمكنه التعامل مع القواعد المعقدة للسوق — مثل تجنب الخسائر الضخمة أو الحفاظ على توازن المحفظة — دون أن تتحطم السفينة.

المواجهة الكبرى للمحللين

في هذه الدراسة، وضع الباحثون مضمار سباق ضخم يحتوي على بيانات تاريخية لسوق الأسهم تمتد لـ 164 شهراً. وطلبوا من ثلاثة "سائقين" مختلفين تماماً قيادة محفظة مكونة من 13 نمطاً استثمارياً مختلفاً (مثل "القيمة"، و"الزخم"، و"الجودة"). كان الهدف هو تعظيم العوائد مع تقليل خطر حدوث انهيار كارثي.

المتنافسون الثلاثة:

1. شعاع الضوء الكمومي (Dirac-3): فكر في هذا ككرة بلورية سحرية متوهجة. إنه يستخدم "التلدين الفوتوني"، وهو يشبه إرسال شعاع من الضوء عبر متاهة من المرايا لإيجاد المخرج فوراً. إنه سريع للغاية ويمكنه أحياناً رصد طريق مختصر قد يغفل عنه الآخرون.
2. المحاسب الصارم (Gurobi): هذا عبارة عن عالم رياضيات خارق من الطراز القديم. هو لا يخمن؛ بل يفحص كل الاحتمالات باستخدام طريقة تسمى "التفريع والتقييد" (branch-and-bound). إنه يشبه المحقق الذي يرفض مغادرة مسرح الجريمة حتى يثبت بالضبط من الفاعل، مما يضمن أن الإجابة مثالية ومستقرة.
3. المتدرب الآلي (SAC): هذا روبوت تعلم يحاول تعلم أفضل طريقة للقيادة من خلال الحصول على مكافآت للحركات الجيدة وعقوبات للحركات السيئة. إنه مرن ومبدع، لكنه قد يصاب بالارتباك إذا تغيرت القواعد بسرعة كبيرة.

النتائج: من فاز بالسباق؟

وجد البحث أنه لا يوجد "سائق" واحد هو الأفضل. بدلاً من ذلك، لكل واحد منهم قوة خارقة ونقطة ضعف محددة.

1. شعاع الضوء الكمومي: نجم المخاطرة العالية والعائد المرتفع
كان الحاسوب الفوتوني الكمومي (Dirac-3) هو نجم العرض، ولكن فقط إذا قدت السفينة بحذر شديد. عندما قام الباحثون بضبط إعداداته بدقة (تحديداً عندما ضبطوا "جزاء التقلب" على رقم منخفض محدد جداً)، حقق أعلى النتائج.

• الفوز: حقق ذروة نسبة شارب (Sharpe ratio) بلغت 0.760 ونسبة كالمار (Calmar ratio) بلغت 0.567. وهذا يعني بلغة بسيطة، أنه حقق أفضل توازن بين الربح والمخاطرة وأفضل ربح مقابل "مدى سوء أسوأ يوم". كما نجح في إبقاء أقصى انخفاض في القيمة (drawdown) عند -2.63% في أفضل تكوين له.
• العقبة: هذا السحر لم يعمل إلا في نافذة ضيقة وصغيرة جداً. إذا قام الباحثون بتغيير الإعدادات ولو قليلاً، ينخفض الأداء. أيضاً، مال الحاسوب الكمومي إلى وضع جميع بيضه في عدد قليل من السلال؛ حيث غالباً ما ركز أمواله في عاملين أو ثلاثة فقط (مثل "الاستحقاقات" و"الاستثمار")، مما خلق محفظة حيث استحوذت أفضل 5 عوامل على أكثر من 90% من الوزن. هذا أمر رائع إذا استمرت تلك العوامل في العمل، ولكنه مخاطرة إذا توقفت.

2. المحاسب الصارم: بطل السلامة أولاً
لم يفز المحلل الكلاسيكي (Gurobi) بمسابقة "أعلى درجة"، لكنه كان الأكثر موثوقية.

• الفوز: قدم أفضل حماية ضد السيناريوهات الأسوأ. حقق أدنى قيمة معرضة للمخاطر المشروطة (CVaR) بلغت -0.863%، مما يعني أنه كان الأفضل في الحد من كمية الأموال التي يمكن خسارتها في حالة الكارثة. كما حافظ على تنوع المحفظة بشكل جيد جداً، ولم يسمح لأفضل 5 عوامل بالسيطرة بشكل مفرط.
• العقبة: كانت درجاته القصوى (مثل نسبة شارب البالغة 0.718) أقل قليلاً من الحاسوب الكمومي في أفضل حالاته. ومع ذلك، لم يتعرض للانهيار أبداً، وكان يعطي نفس الإجابة في كل مرة بغض النظر عن عدد مرات إجراء الاختبار. لقد كان الخيار "الممل والآمن" الذي لا يفشل أبداً.

3. المتدرب الآلي: الورقة الرابحة غير المستقرة
كان روبوت التعلم التعزيزي (SAC) هو الأكثر عدم قابلية للتنبؤ.

• الفوز: في بعض الإعدادات المحددة ومنخفضة المخاطر، تمكن من تحقيق عوائد جيدة وحافظ على توزيع المحفظة بشكل واسع (تركيز منخفض).
• العقبة: وجد البحث أن هذا الروبوت لديه عيب خطير. عندما طلب منه الباحثون أن يكون حذراً للغاية بشأن "الالتواء" (كلمة منمقة لوصف شكل منحنى الربح) دون وجود شبكة أمان قوية، أصيب الروبوت بالذعر. بدأ بوضع 57.9% من أمواله في عاملين فقط، وفي إحدى الحالات، استأثر عامل واحد بـ 45.5% من المحفظة. أدى هذا إلى "فشل كارثي" حيث انهارت أداء الروبوت، ووصلت الانخفاضات إلى -14.64%. وقد استبعد البحث صراحة استخدام هذا الروبوت في شكله الحالي للاستثمار عالي المخاطر ما لم يكن تحت إشراف دقيق، لأنه يميل إلى "الهلوسة" باستراتيجية سيئة عندما تصبح القواعد معقدة.

الخلاصة الكبرى

يخلص البحث إلى أنه لا يمكننا مجرد القول بأن "الكم أفضل" أو "الذكاء الاصطناوي أفضل". الأمر يتعلق بمطابقة الأداة مع المهمة.

• إذا كنت مستثمراً مغامراً يريد أعلى عائد ممكن ومستعد لقبول احتمال أن تكون محفظتك مركزة في عدد قليل من العوامل، فإن شعاع الضوء الكمومي (Dirac-3) هو الفائز، ولكن يجب عليك ضبطه بدقة متناهية.
• إذا كنت مستثمراً حذراً يحتاج إلى ضمان أن محفظته لن تنهار وأن النتائج قابلة للتكرار، فإن المحاسب الصارم (Guroটি) هو الخيار الأفضل. فهو يوفر أكثر حماية استقراراً ضد مخاطر الذيل.
• أما المتدرب الآلي (SAC)، فرغم كونه واعداً، إلا أنه حالياً هش للغاية. ويحذر البحث من أنه بدون ضوابط صارمة، يمكن أن يقع بسهولة في فخ تركيز كل أمواله في الأماكن الخاطئة، مما يؤدي إلى خسائر فادحة.

باختصار، قد يتضمن مستقبل الاستثمار استخدام الحاسوب الكمومي للعثور على "الخلطة السرية" لتحقيق عوائد عالية، ولكن الاعتماد على المحاسب الصارم للتأكد من أن السفينة لن تغرق. وإلى أن يتعلم المتدرب الآلي أن يكون أكثر استقراراً، فمن الأفضل إبقاؤه في غرفة التدريب.