Toward Quantum Monte Carlo for Sovereign Debt Risk: A proof of concept

Nel mondo ad alto rischio della finanza globale, i governi camminano costantemente su una fune tesa tra il prendere in prestito denaro per costruire le proprie nazioni e il rischio di indebitarsi troppo per poterlo mai restituire. Gli economisti osservano da vicino un numero specifico: il rapporto tra il debito totale di un paese e la dimensione della sua economia. Se questo numero sale troppo in alto, può segnalare una crisi, portando alla perdita di risparmi, alla stagnazione economica o persino a un crollo della fiducia. Prevedere se questo rapporto supererà una linea pericolosa in futuro è incredibilmente difficile perché il futuro è pieno di sorprese. I tassi di interesse potrebbero impennarsi, la crescita economica potrebbe arrestarsi o eventi politici inaspettati potrebbero scuotere i mercati. Per gestire questa incertezza, gli analisti tradizionalmente eseguono migliaia di simulazioni al computer, essenzialmente lanciando dadi digitali milioni di volte per vedere quanto spesso il rapporto del debito possa violare una soglia di sicurezza. Tuttavia, questo metodo è lento; per ottenere una risposta molto precisa, il computer deve eseguire un numero enorme di queste simulazioni, e il tempo richiesto cresce rapidamente all'aumentare dell'accuratezza desiderata.

Recentemente, un nuovo tipo di computer, che utilizza le strane regole della fisica quantistica, ha promesso di risolvere questi tipi di problemi molto più velocemente. Invece di controllare le possibilità una alla volta, queste macchine possono esplorare molte possibilità contemporaneamente e utilizzare un particolare trucco matematico per amplificare la risposta corretta mentre annullano quelle errate. Questa tecnica, nota come stima dell'ampiezza quantistica, teoricamente permette ai ricercatori di trovare la probabilità di un evento raro con molti meno passaggi di quanti ne richieda un computer standard. Sebbene questo sembri una soluzione a ogni problema di previsione finanziaria, la realtà della costruzione di queste macchine è complessa. Esse sono attualmente fragili, soggette a errori e difficili da programmare. La grande domanda rimane: possiamo effettivamente costruire una pipeline funzionante che prenda un modello economico del mondo reale, lo traduca in un linguaggio quantistico e ottenga una risposta affidabile prima che la macchina commetta un errore?

Un team di ricercatori dell'Università del Québec a Trois-Rivières ha adottato un approccio attento e passo dopo passo per rispondere a questa domanda. Non hanno cercato di risolvere immediatamente un problema massiccio e insolubile. Invece, hanno costruito una prova di concetto di una pipeline per testare l'intero flusso di lavoro su una versione semplificata di un modello di debito sovrano. Il loro obiettivo non era dimostrare che i computer quantistici siano già migliori di quelli classici per questo specifico compito, ma dimostrare che il percorso dalla teoria finanziaria a un circuito quantistico è possibile e che i numeri finali abbiano senso. Hanno costruito un modello digitale in cui il debito di un paese evolve nell'arco di vent'anni, influenzato da due fattori casuali principali: la crescita dell'economia e il costo del prestito di denaro. Hanno semplificato la matematica quanto bastava affinché potessero calcolare la risposta esatta utilizzando metodi tradizionali, il che ha servito come punto di riferimento perfetto per verificare il loro lavoro quantistico.

I ricercatori hanno poi tradotto questo modello semplificato in un linguaggio che un computer quantistico potesse comprendere. Hanno suddiviso le possibili scenari futuri in una griglia di punti, rappresentanti diverse combinazioni di crescita economica e tassi di interesse. Hanno caricato queste possibilità nella macchina quantistica, creando uno stato in cui ogni scenario esisteva simultaneamente. Successivamente, hanno costruito un circuito digitale che agiva come una calcolatrice pesata, sommando gli effetti di questi fattori per determinare il rapporto del debito finale per ogni scenario. Una parte finale del circuito ha agito come un guardiano, segnalando qualsiasi scenario in cui il rapporto del debito superasse una soglia critica di sicurezza del 95 percento. La macchina ha poi utilizzato una serie di operazioni per amplificare il segnale di questi scenari "segnalati", rendendoli più facili da rilevare. Infine, hanno utilizzato un metodo statistico chiamato stima dell'ampiezza di massima verosimiglianza per contare quanto spesso questi scenari segnalati si verificavano, misurando efficacemente la probabilità di una crisi del debito.

Quando il team ha eseguito le loro simulazioni su una versione perfetta e priva di rumore di un computer quantistico, i risultati sono stati sorprendentemente accurati. La pipeline quantistica ha stimato la probabilità che il rapporto del debito superasse la soglia a circa l'8,18 percento. Ciò corrispondeva quasi perfettamente al valore che il circuito era stato progettato per produrre ed era molto vicino alla risposta esatta calcolata con la matematica tradizionale. I ricercatori hanno osservato che, all'aumentare del numero di volte in cui la macchina eseguiva il suo calcolo principale, l'errore nella loro stima diminuiva più velocemente del tasso classico standard, sebbene la pendenza della scala adattata di -0,85 si collocasse tra i tassi classici e quelli quantistici ideali. Nei loro test, i risultati erano coerenti con il previsto vantaggio di scala quadratica, ma gli autori notano esplicitamente che l'esperimento non ha dimostrato definitivamente questo miglioramento asintotico.

Tuttavia, gli autori spiegano con cautela cosa questo successo significhi e cosa non significhi. Il problema che hanno risolto era deliberatamente semplice. Poiché il modello era lineare e le incertezze erano perfettamente fluide, un computer standard avrebbe potuto risolverlo istantaneamente usando una formula a forma chiusa, rendendo inutile lo sforzo quantistico per questo caso specifico. Inoltre, l'evento che stavano prevedendo non era in realtà raro; un'8 percento di probabilità è abbastanza comune da non rappresentare il tipo di disastro "cigno nero" dove i miglioramenti di velocità quantistica sono più necessari. Lo studio si è inoltre basato su un simulatore, non su una macchina quantistica fisica, il che significa che non ha affrontato il rumore e gli errori del mondo reale che attualmente affliggono l'hardware sperimentale. I ricercatori dichiarano esplicitamente che il loro lavoro è una dimostrazione del flusso di lavoro, non una celebrazione della vittoria quantistica. Riconoscono che, affinché questo approccio diventi veramente utile, i modelli devono essere più complessi, coinvolgendo dinamiche non lineari e molteplici fattori di rischio che non possono essere risolti con formule semplici.

Il team ha anche evidenziato gli ostacoli che rimangono prima che questa tecnologia possa essere utilizzata nel processo decisionale del mondo reale. I circuiti quantistici che hanno costruito sono attualmente troppo profondi e complessi per essere eseguiti sui dispositivi rumorosi di oggi senza errori. L'"oracolo", ovvero la parte del programma che codifica le regole finanziarie, è economico da simulare ma sarebbe costoso da costruire su hardware reale. Inoltre, i metodi classici utilizzati per il confronto in questo studio erano basilari; tecniche tradizionali più avanzate potrebbero comunque superare l'approccio quantistico per questi tipi specifici di problemi. I ricercatori concludono che, sebbene la loro pipeline funzioni e la matematica sia valida in una simulazione perfetta, la strada verso un vantaggio pratico richiede progressi sostanziali nell'hardware e un passaggio verso modelli economici più complessi e realistici dove i computer tradizionali incontrano un limite. Questo lavoro serve come una solida base, mostrando che il ponte tra la teoria economica e il calcolo quantistico può essere costruito, anche se la strada attraverso di esso è ancora in costruzione.