Solving 2D Black Scholes Equation via Hermitian Block Embedding and Generalised Quantum Signal Processing

Este artículo propone y valida numéricamente un método para resolver la ecuación de Black-Scholes bidimensional combinando el embebido de bloques hermíticos con el Procesamiento de Señales Cuánticas Generalizado para aproximar con precisión la inversa de matrices de paso de tiempo no hermíticas, demostrando la viabilidad de aplicar técnicas modernas de álgebra lineal cuántica al precio de opciones de múltiples activos.

Lo esencial

La visión general: Valorar una "cesta" de opciones

Imagine que es un operador financiero que intenta determinar el precio de una "cesta" especial de opciones. Esta no es solo una apuesta sobre una acción (como Apple); es una apuesta sobre una mezcla de dos acciones diferentes (como Apple y Microsoft) moviéndose en conjunto.

En el mundo real, calcular el precio justo de esta cesta es como resolver un laberinto masivo y complejo. Tiene que trabajar hacia atrás desde el día en que termina la apuesta (el vencimiento) hasta el presente, calculando cómo cambia el precio en cada uno de los pasos a lo largo del camino.

Durante mucho tiempo, las computadoras han hecho esto utilizando un método llamado "diferencias finitas". Piense en esto como convertir el movimiento suave y continuo de los precios de las acciones en una gigantesca cuadrícula de puntos. Para encontrar el precio hoy, la computadora tiene que resolver un enorme rompecabezas matemático: necesita invertir una matriz masiva (una cuadrícula de números) para retroceder en el tiempo.

El problema: El rompecabezas "no simétrico"

El rompecabezas matemático que enfrenta la computadora es complicado. La cuadrícula de números (la matriz) que tiene que invertir es "no hermítica". En lenguaje sencillo, esto significa que la cuadrícula es desequilibrada y no tiene una estructura limpia y simétrica.

En un escenario más simple de una sola acción, los científicos descubrieron un truco ingenioso para hacer que esta cuadrícula desequilibrada fuera simétrica (hermítica) para poder utilizar una nueva herramienta poderosa llamada Procesamiento de Señales Cuánticas Generalizado (GQSP). El GQSP es como una máquina cuántica súper eficiente que puede resolver tipos específicos de acertijos matemáticos muy rápido, pero solo funciona con cuadrículas simétricas y bien comportadas.

Sin embargo, cuando se añade una segunda acción, la cuadrícula se convierte en un bloque 2D complejo. El viejo truco para hacerla simétrica falla porque las dos acciones están entrelazadas de una manera que crea "bucles" en las matemáticas que no pueden arreglarse con un simple ajuste.

La solución: La "Inserción de Bloque Hermítico"

Los autores de este artículo idearon una nueva forma de engañar a la máquina cuántica para que resuelva el problema 2D. Utilizaron una técnica llamada Inserción de Bloque Hermítico (Hermitian Block Embedding).

La analogía: La caja de espejos
Imagine que tiene un objeto desequilibrado y desordenado (la matriz de paso de tiempo 2D) que no puede meter dentro de una "Máquina de Simetría" (GQSP).

1. El truco: En lugar de intentar arreglar el objeto en sí, construye una caja especial a su alrededor.
2. La construcción: Coloca el objeto desordenado en la esquina superior derecha de la caja y su "imagen especular" (la transpuesta) en la esquina inferior izquierda. Las esquinas superior izquierda e inferior derecha están vacías (ceros).
3. El resultado: Aunque el interior sea desordenado, la caja completa es ahora perfectamente simétrica. Ahora es "Hermítica".

Ahora, la máquina cuántica puede mirar esta gran caja. Cuando la máquina realiza su magia (transformación polinómica) sobre la caja, crea un resultado donde la parte "desordenada" (la inversa de la matriz original) aparece en una esquina específica de la caja.

Cómo lo hicieron: El "Polinomio Impar"

Para extraer la respuesta de esta caja, los autores utilizaron un tipo especial de función matemática llamada polinomio impar.

• Piense en una función "par" como una imagen de espejo en ambos lados de una línea (como una cara sonriente).
• Piense en una función "impar" como una rotación (como un subibaja o balancín).

Debido a cómo construyeron su caja (con la parte desordenada en la esquina), necesitaban una función matemática de tipo "subibaja". Si usaban una función de tipo "cara sonriente", la respuesta se perdería. Al usar una función "impar", las matemáticas cancelan naturalmente las esquinas vacías y dejan la respuesta correcta (la matriz inversa) en la esquina inferior izquierda del resultado.

La prueba: ¿Funcionó?

El equipo realizó simulaciones para ver si este nuevo método realmente funcionaba para una opción de "cesta" de dos activos.

• La configuración: Simularon una opción de cesta con dos activos, utilizando una cuadrícula de 32x32 puntos (1,024 puntos en total).
• La comparación: Compararon su solución de estilo cuántico (usando el nuevo método de inserción) contra un método clásico estándar y confiable (Euler hacia atrás).
• El resultado: Los dos métodos coincidieron muy de cerca. La solución "cuántica" se veía casi exactamente igual que la solución "clásica".

Esto demostró que su truco de la "Caja de Espejos" capturó con éxito la dinámica de la compleja problemática 2D. El método reprodujo con precisión la evolución hacia atrás en el tiempo del precio de la opción.

El inconveniente: Error de discretización

El artículo señala una limitación importante. Debido a que están simulando esto en una computadora, tienen que dar "pasos" hacia atrás en el tiempo. En su simulación, tuvieron que dar un paso muy grande (un salto gigante) debido a la complejidad.

• El problema: Dar un paso gigante en una simulación matemática introduce un "error de discretización" (aproximadamente como intentar dibujar una curva suave usando solo unos pocos ladrillos de LEGO gigantes).
• El hallazgo: El error en sus resultados se debió principalmente a este gran tamaño de paso, no a un fallo en su método cuántico. De hecho, el error fue similar al que obtendrías si ejecutaras el método clásico con ese mismo paso gigante.

Resumen

El artículo demuestra una nueva forma de resolver problemas financieros 2D complejos utilizando algoritmos cuánticos.

1. No pudieron usar el viejo truco para hacer la matemática simétrica.
2. Construyeron una "Caja de Espejos" (Inserción de Bloque Hermítico) para forzar la matemática a una forma simétrica.
3. Utilizaron un "Polinomio Impar" especial para extraer la respuesta de la caja.
4. Sus simulaciones mostraron que este método funciona y produce resultados que coinciden con las computadoras clásicas estándar, allanando el camino para resolver problemas aún más complejos de múltiples activos en el futuro.

Resumen técnico

Resumen Técnico: Resolución de las Ecuaciones de Black–Scholes 2D mediante el Embebimiento de Bloques Hermíticos y el Procesamiento de Señales Cuánticas Generalizado

1. Planteamiento del Problema

La valoración de derivados financieros europeos, como las opciones, se modela fundamentalmente mediante la ecuación diferencial parcial (PDE) de Black–Scholes. Para las opciones de múltiples activos (por ejemplo, opciones de cesta que dependen de dos activos subyacentes), el problema se convierte en una PDE bidimensional. Bajo el marco estándar de no arbitraje, la valoración requiere evolucionar el pago final (payoff) hacia atrás en el tiempo.

Tras la discretización mediante diferencias finitas y un esquema de paso de tiempo implícito (específicamente, Euler hacia atrás), la PDE continua se transforma en una secuencia de problemas de álgebra lineal. La tarea computacional central es la aplicación del inverso de una matriz de paso de tiempo, $\tilde{M}^{-1}$, a un vector que representa el valor de la opción.

• Desafío: En el caso bidimensional, la matriz discretizada $\tilde{M}$ es real pero generalmente no hermítica y no unitaria debido a los términos de deriva, derivadas mixtas y condiciones de contorno.
• Contexto Cuántico: Aunque los algoritmos de álgebra lineal cuántica como el Procesamiento de Señales Cuánticas (QSP) y el Procesamiento de Señales Cuánticas Generalizado (GQSP) ofrecen métodos potentes para implementar funciones de matrices (como la inversión) mediante transformaciones polinómicas, estos suelen requerir que el operador de entrada sea unitario o hermítico. Los enfoques estándar para matrices no hermíticas a menudo dependen del "embebimiento de bloques" (block-encoding), lo que introduce una sobrecarga significativa en términos de registros ancilla, profundidad de circuito y preparación de estados. Un trabajo previo [13] aplicó con éxito un enfoque de Hermitian-GQSP a la ecuación de Black–Scholes unidimensional utilizando una transformación de similitud diagonal para convertir la matriz de paso de tiempo tridiagonal en una forma hermítica. Sin embargo, este método falla en dos dimensiones porque la estructura de bloques de la matriz 2D (derivada de la discretización por producto tensorial y derivadas mixtas) impide la existencia de una transformación de similitud diagonal que preserve la hermiticidad.

2. Metodología

Los autores proponen una estrategia de embebimiento de bloques hermíticos para extender el marco de GQSP a la ecuación de Black–Scholes bidimensional sin requerir una transformación de similitud diagonal o las sobrecargas convencionales del embebimiento de bloques.

A. Embebimiento de Bloques Hermítico
En lugar de intentar simetrizar la matriz no hermítica $\tilde{M}$ directamente, los autores la embeben en una matriz hermítica más grande $H$ de dimensión $2N \times 2N$ (donde $N$ es la dimensión de la rejilla discretizada):
$$H = \begin{pmatrix} 0 & \tilde{M} \\ \tilde{M}^T & 0 \end{pmatrix}$$
Dado que $\tilde{M}$ es real, $H$ es real simétrica y, por lo tanto, hermítica. El inverso de esta matriz embebida es:
$$H^{-1} = \begin{pmatrix} 0 & \tilde{M}^{-T} \\ \tilde{M}^{-1} & 0 \end{pmatrix}$$
Crucialmente, el operador de paso de tiempo inverso deseado $\tilde{M}^{-1}$ aparece en el bloque fuera de la diagonal inferior izquierda de $H^{-1}$.

B. Aproximación de Polinomios Impares
La estructura de $H$ impone una propiedad de paridad en sus potencias: las potencias pares de $H$ son bloques diagonales, mientras que las potencias impares son bloques fuera de la diagonal.

• Los autores construyen un polinomio impar $p(x) = \sum c_{2m+1} x^{2m+1}$ para aproximar la función inversa $f(x) = 1/(\gamma x)$ sobre el espectro de $H$.
• Debido a que $p(x)$ es impar, $p(H)$ permanece fuera de la diagonal de bloques. En consecuencia, el bloque inferior izquierdo de $p(H)$ aproxima a $\tilde{M}^{-1}$.
• Esto permite la recuperación del paso de evolución hacia atrás en el tiempo aplicando la transformación polinómica a un estado de entrada embebido $\begin{pmatrix} V^n \\ 0 \end{pmatrix}$ y extrayendo la mitad inferior del vector resultante.

C. Escalamiento Espectral e Implementación de GQSP

• Escalamiento: La matriz $H$ se reescala por un factor $\gamma = \max |\lambda_i(H)|$ para definir $A = H/\gamma$, asegurando que el espectro se encuentre en $[-1, 1]$. El espectro es simétrico respecto a cero, situándose en $[-1, -\delta] \cup [\delta, 1]$, donde $\delta$ está determinado por el número de condición de $\tilde{M}$.
• GQSP: La matriz hermítica reescalada $A$ se embebe en un operador unitario $U = A + i\sqrt{I-A^2}$. Se utiliza entonces el algoritmo GQSP para implementar la transformación polinómica impar $p(A)$ sobre $U$.
• Salida: El circuito cuántico genera un estado donde el registro inferior contiene la solución aproximada $V^{n+1} = \tilde{M}^{-1}V^n$.

3. Contribuciones Clave

• Extensión a 2D: El artículo extiende el marco de Hermitian-GQSP de las ecuaciones de Black–Scholes unidimensionales a las bidimensionales, superando la obstrucción estructural que impide el uso de transformaciones de similitud diagonal en dimensiones superiores.
• Enfoque Libre de Embebimiento de Bloques: Los autores demuestran un método para resolver el problema inverso de matrices no hermíticas utilizando GQSP sin la pesada sobrecarga de las técnicas estándar de embebimiento de bloques, basándose en cambio en una dilatación hermítica específica y una estructura de polinomios impares.
• Prueba de Principio: El trabajo proporciona una prueba de principio de que las técnicas modernas de álgebra lineal cuántica pueden aplicarse a problemas de valoración de opciones multidimensionales.

4. Resultados Numéricos

Los autores realizaron simulaciones numéricas para opciones de compra de cesta europea de dos activos utilizando Python y PennyLane.

• Configuración: Se realizaron dos simulaciones con diversos parámetros financieros (volatilidad, correlación, precio de ejercicio, etc.) y tamaños de rejilla (rejilla de $32 \times 32$ puntos, embebida en $2048$ dimensiones).
• Comparación: Las soluciones basadas en GQSP se compararon con:
  1. Un método clásico de diferencias finitas de Euler hacia atrás.
  2. Una aproximación polinómica clásica aplicada directamente a la matriz hermitizada.
• Hallazgos:
  • Las soluciones de GQSP mostraron una estrecha concordancia tanto con la aproximación polinómica clásica como con el referente de Euler hacia atrás.
  • Los resultados confirmaron que el embebimiento de bloques hermítico captura con precisión la dinámica del operador no hermítico original.
  • Fuentes de Error: El análisis identificó dos fuentes primarias de error:
    1. Error de Aproximación Polinómica: Dependiente de la brecha espectral $\delta$. En la segunda simulación, una brecha espectral mayor resultó en errores de aproximación más bajos.
    2. Error de Discretización: Debido a la necesidad de utilizar un único paso de tiempo grande (ya que el método se implementó como un resolvedor de un solo paso), el error de discretización fue significativo (hasta \approx \0.09$ en la primera simulación y $\approx 60\%$ mayor en la segunda). Este error es inherente también al referente clásico.
  • Ruido: La simulación cuántica exhibió un piso de ruido (observado alrededor de $10^{-2}$ en la segunda simulación), el cual no estaba presente en la aproximación polinómica clásica.

5. Significación y Reivindicaciones

El artículo sostiene que el método propuesto demuestra la viabilidad de combinar embebimientos de bloques hermíticos con GQSP para resolver problemas de Black–Scholes multidimensionales.

• Alcance Modesto: Los autores declaran explícitamente que la implementación actual es un "resolvedor de inverso de un solo paso". No reclaman aún una ventaja cuántica real, señalando que el método está limitado por la necesidad de polinomios de mayor grado cuando la brecha espectral es pequeña y por los errores de discretización de los pasos de tiempo grandes.
• Potencial Futuro: La significación reside en proporcionar una vía para algoritmos cuánticos para derivados multi-activo donde las computadoras clásicas enfrentan la "maldición de la dimensionalidad". Los autores sugieren que la verdadera ventaja cuántica podría emerger en 3 o más dimensiones, donde los métodos clásicos de diferencias finitas se vuelven computacionalmente intratables.
• Limitaciones: El documento reconoce que se requiere trabajo futuro para desarrollar esquemas de evolución temporal de múltiples pasos eficientes, reducir el piso de ruido y minimizar los errores de discretización mediante mejores estrategias de rejilla o implementaciones de GQSP de múltiples pasos.

En resumen, el artículo establece una base teórica y numérica para aplicar GQSP a la valoración de opciones 2D mediante la introducción de un embebimiento de bloques hermíticos que evita la necesidad de transformaciones de similitud diagonal, ofreciendo una ruta viable hacia algoritmos cuánticos para derivados financieros de alta dimensión.