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

Imaginez que vous êtes le capitaine d'un navire massif tentant de naviguer dans un océan tempétueux pour trouver le trésor le plus précieux. Votre objectif n'est pas seulement de trouver de l'or ; c'est de trouver le plus d'or tout en empêchant le navire de couler, en évitant les vagues géantes et en veillant à ne pas vous retrouver avec un équipage composé d'une seule et même personne (ce qui est risqué si tous tombent malades du mal de mer en même temps). Pendant des décdes, les capitaines ont utilisé de vieilles cartes et des boussoles fiables (les mathématiques classiques) pour tracer leurs trajectoires. Mais récemment, deux nouvelles technologies sauvages sont arrivées sur la scène : l'une est une « boussole quantique » qui utilise les règles étranges et mystérieuses de l'univers pour deviner instantanément le meilleur chemin, et l'autre est un « apprenti robot » qui apprend par essais et erreurs, espérant comprendre les règles de l'océan au fil de sa navigation.

La grande question pour la finance moderne est la suivante : ces nouveaux outils de haute technologie peuvent-ils réellement faire un meilleur travail que les anciennes méthodes de confiance ? Plus précisément, peuvent-ils construire un « portefeuille » (une collection d'investissements) qui rapporte plus d'argent avec moins de risques ? Ce document plonge précisément dans cette bataille. Il teste trois « capitaines » différents essayant de résoudre le même puzzle complexe : un ordinateur quantique photonique (une machine qui utilise la lumière pour résoudre des problèmes), un solveur informatique classique super intelligent (un mathématicien très strict respectant les règles), et un agent d'apprentissage par renforcement profond (un robot qui apprend en jouant au jeu). Les chercheurs voulaient voir lequel d'entre eux pouvait gérer les règles complexes du marché — comme éviter les pertes énormes ou maintenir l'équilibre du portefeuille — sans s'échouer.

Le Duel des Grands Solveurs

Dans cette étude, les chercheurs ont mis en place une piste de course massive avec 164 mois de données historiques du marché boursier. Ils ont demandé à trois « pilotes » très différents de diriger un portefeuille de 13 styles d'investissement différents (comme la « valeur », le « momentum » et la « qualité ») à travers cette piste. Le but était de maximiser les rendements tout en minimisant le risque d'un crash catastrophique.

Les Trois Concurrents :

1. Le Rayon de Lumière Quantique (Dirac-3) : Considérez cela comme une boule de cristal magique et brillante. Il utilise l'« recuit photonique », ce qui revient à envoyer un faisceau de lumière à travers un labyrinthe de miroirs pour trouver instantanément la sortie. Il est incroyablement rapide et peut parfois repérer un raccourci que les autres ratent.
2. Le Comptable Strict (Gurobi) : C'est un mathématicien de la vieille école, mais surpuissant. Il ne devine pas ; il vérifie chaque possibilité en utilisant une méthode appelée « branch-and-bound » (séparation et enlèvement). C'est comme un détective qui refuse de quitter la scène de crime tant qu'il n'a pas prouvé exactement qui est le coupable, garantissant que la réponse est parfaite et stable.
3. L'Apprenti Robot (SAC) : C'est un robot apprenant qui essaie d'apprendre la meilleure façon de conduire en recevant des récompenses pour les bons mouvements et des punitions pour les mauvais. Il est flexible et créatif, mais il peut être confus si les règles changent trop vite.

Les Résultats : Qui a Gagné la Course ?

L'étude a révélé qu'il n'y a pas un seul « meilleur » pilote. Au lieu de cela, chacun possède un super-pouvoir spécifique et une faiblesse spécifique.

1. Le Rayon de Lumière Quantique : La Star du Risque Élevé, Rendement Élevé
L'ordinateur quantique photonique (Dirac-3) a été la star du spectacle, mais seulement si vous le conduisez très prudemment. Lorsque les chercheurs ont réglé ses paramètres parfaitement (plus précisément, lorsqu'ils ont fixé une « pénalité de volatilité » à un nombre très spécifique et bas), il a obtenu les scores les plus élevés.

• La Victoire : Il a atteint un ratio de Sharpe de 0,760 et un ratio de Calmar de 0,567. En langage clair, cela signifie qu'il a obtenu le meilleur équilibre entre profit et risque, ainsi que le meilleur profit par rapport à « la gravité de la pire journée ». Il a également réussi à limiter la baisse maximale de valeur (drawdown) à seulement -2,63 % dans sa meilleure configuration.
• Le Piège : Cette magie n'a fonctionné que dans une fenêtre minuscule et étroite. Si les chercheurs modifiaient les réglages, même légèrement, la performance chutait. De plus, l'ordinateur quantique avait tendance à mettre presque tous ses œufs dans quelques paniers. Il a souvent concentré son argent dans seulement deux ou trois facteurs (comme les « accruals » et l'« investissement »), créant un portefeuille où les 5 principaux facteurs détenaient plus de 90 % du poids. C'est excellent si ces facteurs continuent de fonctionner, mais risqué s'ils s'arrêtent.

2. Le Comptable Strict : Le Champion de la Sécurité Avant Tout
Le solveur classique (Gurobi) n'a pas gagné le concours du « score le plus élevé », mais il a été le plus fiable.

• La Victoire : Il a offert la meilleure protection contre les scénarios du pire. Il a obtenu la plus faible CVaR (Valeur en Risque Conditionnelle) de –0,863 %, ce qui signifie qu'il était le meilleur pour limiter les pertes lors d'une catastrophe. Il a également maintenu le portefeuille très bien diversifié, ne laissant jamais les 5 principaux facteurs prendre le dessus.
• Le Piège : Ses scores de pointe (comme un ratio de Sharpe de 0,718) étaient légèrement inférieurs à ceux de l'ordinateur quantique dans son meilleur moment. Cependant, il n'a jamais planté, et il donnait exactement la même réponse à chaque fois, peu importe le nombre de fois où l'on lançait le test. C'était le choix « ennuyeux mais sûr » qui n'a jamais échoué.

3. L'Apprenti Robot : L'Imprévisible Variable
Le robot d'apprentissage par renforcement (SAC) était le plus imprévisible.

• La Victoire : Dans certains réglages spécifiques à faible risque, il a réussi à trouver de bons rendements et a gardé le portefeuille très dispersé (faible concentration).
• Le Piège : L'étude a révélé que ce robot présentait un défaut majeur. Lorsque les chercheurs lui ont demandé d'être extrêmement prudent concernant la « skewness » (un mot savant pour désigner la forme de la courbe de profit) sans filet de sécurité solide, le robot a paniqué. Il a commencé à placer 57,9 % de tout son argent dans seulement deux facteurs, et dans un cas, un seul facteur a pris 45,5 % du portefeuille. Cela a conduit à un « échec catastrophique » où la performance du robot s'est effondrée, avec des drawdowns atteignant -14,64 %. L'étude exclut explicitement l'utilisation de ce robot sous sa forme actuelle pour l'investissement à enjeux élevés, à moins qu'il ne soit lourdement supervisé, car il a tendance à « halluciner » une mauvaise stratégie lorsque les règles deviennent complexes.

La Grande Conclusion

L'article conclut que nous ne pouvons pas simplement dire « Le Quantique est meilleur » ou « L'IA est meilleure ». Il s'agit d'adapter l'outil à la tâche.

• Si vous êtes un chercheur de risques qui veut le rendement absolument le plus élevé possible et que vous acceptez que votre portefeuille puisse être concentré sur quelques facteurs seulement, le Rayon de Lumière Quantique (Dirac-3) est le vainqueur, mais vous devez le régler parfaitement.
• Si vous êtes un investisseur prudent qui a besoin de garantir que votre portefeuille ne s'effondrera pas et que les résultats sont reproductibles, le Comptable Strict (Gurobi) est le meilleur choix. Il offre la protection la plus stable contre le risque de queue (tail-risk).
• L'Apprenti Robot (SAC), bien que prometteur, est actuellement trop fragile. L'étude prévient que sans garde-fous stricts, il peut facilement tomber dans le piège de la concentration de tout son argent aux mauvais endroits, entraînant des pertes massives.

En résumé, l'avenir de l'investissement pourrait impliquer l'utilisation de l'ordinateur quantique pour trouver la « recette secrète » des rendements élevés, tout en s'appuyant sur le comptable strict pour s'assurer que le navire ne coule pas. Et tant que l'apprenti robot n'aura pas appris à être plus stable, il est préférable de le laisser dans la salle d'entraînement.