End-to-End PDE-Based Quantum Algorithms for Multi-Asset Option Pricing under Local and Stochastic Volatility

本論文は、局所ボラティリティモデルおよび確率ボラティリティモデルにおけるマルチアセット型ヨーロピアンオプションの価格決定のための完全なエンドツーエンド量子アルゴリズムを提示し、ゲート複雑性の観点で古典的な有限差分法に対する多項式速度向上を実証するとともに、明示的なリソース見積もりと数値ベンチマークを提供する。

要約

あなたがシェフだと想像してください。複数の材料（株式などの資産）の将来価格に依存する複雑な料理（「オプション」）の価格を予測しようとしています。この料理の価格は単純な平均ではなく、材料の価格変動性（跳ねやすさ）と、それらが互いにどのように連動して動くかに影響されます。

金融の世界では、この価格を計算することは、「偏微分方程式（PDE）」と呼ばれる巨大な多次元の迷路を解くようなものです。

問題：「グリッドの呪い」

従来、この迷路を解くために、コンピューターは「有限差分法」という手法を用いてきました。特定の住所を見つけるために、3 次元の都市を地図化しなければならないと想像してください。

• 古典的アプローチ: 道路のグリッドを敷き詰めます。材料が 1 つあれば、1 次元のグリッド点の列が必要です。材料が 10 個あれば、10 次元の超グリッドが必要です。
• ボトルネック: 材料（資産）を増やすにつれて、グリッド点の数は指数関数的に爆発します。部屋に砂を埋め尽くそうとするようなものです。材料の数を 2 倍にすると、必要な砂（計算能力）の量は単に 2 倍になるのではなく、巨大な係数で倍増します。これは「次元の呪い」として知られています。多くの材料を持つ複雑な料理の場合、古典的コンピューターは砂の中に立ち往生してしまいます。

解決策：量子の「魔法のレンズ」

この論文は、量子コンピューターを用いてこの問題を解決する新しい方法を提案しています。巨大な物理的な砂のグリッドを構築する代わりに、著者たちは「エンドツーエンド」の量子パイプラインを開発し、それは魔法のレンズのように機能します。

以下に、彼らのシステムがどのように機能するかをステップごとに示します。

1. 設定（状態準備）
まず、コンピューターは「レシピ」（契約詳細、行使価格、市場データ）を取り込み、それを量子状態にエンコードします。これは、初期の材料を量子ブレンダーに投入するようなものです。彼らは「シュレーディンガー化」という巧妙なトリックを用いて、価格決定方程式の厄介で非量子な数学を、量子コンピューターが理解できる形式（「ユニタリ」進化）に変換します。

2. 旅（量子進化）
古典的コンピューターがグリッド点の一つ一つを順番に歩く代わりに、量子コンピューターはシステム全体を一度に進化させます。これは、池に石を落とし、水面全体に瞬く間に広がる波紋を見るようなものであり、個々の点で水位を一つずつ測定するのとは異なります。この論文は、「ハミルトニアンのシミュレーション」などの高度な技術を用いて、量子状態を未来（満期）から現在へと「逆流」させます。

3. 明かす（読み出し）
量子状態が進化した後、コンピューターは価格を私たちに伝える必要があります。量子スープ全体を一度に見ることはできないため、著者たちは「振幅推定」という手法を用います。これは、鍋全体の味を推定するために、スープから非常に精密なサンプルを一つ取り出すようなものです。彼らは特定の点（現在の市場状態）における価格を特に探します。

結果：速度の向上

著者たちは、この手法を 2 つの有名な金融モデルでテストしました。

• ブラック・ショールズモデル: オプション価格決定の標準的なモデル。
• ヘストンモデル: 「ボラティリティ・スマイル」（市場のボラティリティが一定ではなく、価格に応じて変化し、微笑み型の曲線を描くという事実）を考慮したより複雑なモデル。

発見:

• 多項式速度向上: 材料が $d$ 個でグリッドサイズが $N$ の料理の場合、古典的コンピューターは $N^{d+2}$ に比例する時間を要します。量子アルゴリズムはこれを、ブラック・ショールズモデルの場合、おおよそ $N^{d/2 + 2}$ に、あるいはヘストンモデルの場合、$N^{d+2}$ だが主要項の指数がはるかに小さくなるように削減します。
• アナロジー: 古典的コンピューターが砂浜のすべての砂粒を数えなければならないのに対し、量子コンピューターははるかに小さく代表的なサンプルを見て体積を推定でき、砂浜が大きくなるにつれて莫大な時間を節約します。
• 現実世界での検証: この論文は単に纸上の数学を行ったわけではありません。彼らはシミュレーションを実行し、量子手法が古典的手法と同様に「ボラティリティ・スマイル」（ implied volatility の曲線グラフ）を正常に再現し、実際の市場の動きを捉えていることを示しました。

重要な留保事項（細かい条件）

著者たちは、これがまだ何を行っていないかを非常に慎重に述べています。

• すべてを解決する魔法の杖ではない: 速度向上は顕著ですが、「次元の呪い」を完全に排除するわけではありません。コストは資産が増えるにつれてまだ増加しますが、以前よりはるかに緩やかです。
• 現時点では理論的: 「ゲート複雑性」（ステップ数）は、完全でエラーのない量子コンピューターに対して計算されています。現在の実際の量子コンピューターはノイズが多く、規模も小さいです。
• 特定の範囲: この手法は、ヨーロピアン型オプション（満期時でのみ行使可能）および特定の種類のマルチアセット契約に最も適しています。早期行使機能を持つようなあらゆる可能性のあるエキゾチックな金融派生商品にはまだ対応していません。

まとめ

簡単に言えば、この論文は複雑な金融オプションの価格決定のための完全な理論的「量子組立ライン」を構築しています。それは古典的なデータを取り込み、複数の資産の将来の価格変動を同時にシミュレートする量子エンジンを通じて実行し、価格を出力します。その結果、高次元の問題において現在の古典的手法よりも数学的に証明された大幅な速度向上を実現し、「ボラティリティ・スマイル」のような複雑な市場パターンを正常に再現する手法が得られました。

技術概要

問題定義
局所ボラティリティ（ブラック・ショールズ）モデルおよび確率的ボラティリティ（ヘストン）モデルにおけるマルチアセット・オプションの価格決定は、自然に高次元の放物型偏微分方程式（PDE）へと帰着する。有限差分法や行列指数関数法といったこれらの PDE を解くための古典的数値解法は、「次元の呪い」に悩まされており、計算コストは資産数（$d$）およびグリッド解像度（$N$）に対して指数関数的に増大する。具体的には、空間方向あたり $N$ 点のグリッドを用いる場合、古典的なグリッドベースの手法のスケールは、ブラック・ショールズモデルで $\tilde{O}(N^{d+2})$、ヘストンモデル（分散変数を含む）で $\tilde{O}(N^{2d+2})$ となる。オプション価格決定のための量子アルゴリズムが提案されているものの、多くの手法は状態準備、正規化、読み出しに課題を抱えるモンテカルロ経路シミュレーションや変分アプローチに依存しており、特に特定の境界条件を有する複雑な高次元 PDE に対しては困難を伴う。

手法
著者らは、古典的な契約およびモデルデータを入力とし、オプション価値の古典的推定値を出力するエンドツーエンドの量子 PDE フレームワークを開発した。このワークフローは、主に以下の 3 つの段階から構成される。

1. 離散化と定式化: 価格決定 PDE を空間方向において 2 次精度の有限差分法で離散化し、連続的な PDE を疎な有限次元の常微分方程式（ODE）系に変換する。非斉次境界条件および源項を処理するため、アフィン ODE 系に補助状態変数を追加することで、斉次線形系へと拡張する。
2. 量子進化（シュレーディンガー化）: 得られた ODE 系は、価格決定演算子の非エルミート性により一般的に非ユニタリであるため、本フレームワークではシュレーディンガー化を採用する。この手法は、補助連続変数（$\xi$）を導入し、ダイナミクスをシュレーディンガー方程式へ写像することで、非ユニタリなダイナミクスをより大きなユニタリ系に埋め込む。その後、$\xi$ 方向で離散化し、フーリエ法を通じて変換することで、エルミートなハミルトニアンを得る。
3. 状態準備と読み出し:
   • 状態準備: 利払いベクトル（例：Worst-of コール）およびシュレーディンガー化に必要な滑らかなカットオフプロファイルを、座標演算子のブロック符号化および量子特異値変換（QSVT）を用いて量子状態として準備する。
   • 進化: 離散化された価格決定ダイナミクスを、ブロック符号化および交互位相変調シーケンス（量子信号処理）を用いたハミルトニアン進化によりシミュレーションする。
   • 読み出し: 最終的な量子状態から選択されたオプション価値を復元する。目的の価格が単一の振幅に符号化されているため、本フレームワークはハダマードテストを組み合わせた**量子振幅推定（QAE）**を利用する。重要なのは、読み出しのオーバーヘッドがグリッド体積の平方根（$2^{W/2}$、ここで $W$ はシステム量子ビット数）に比例してスケールすることである。

主な貢献

• エンドツーエンドのパイプライン: 本論文は、古典的入力データから古典的出力に至る完全かつ明示的なパイプラインを提供し、状態準備、ハミルトニアンシミュレーション、正規化の復元、読み出しに関する詳細なリソース会計を含んでいる。
• 複雑性解析: 著者らは、単一点のオプション価格復元における主要なゲート複雑性を導出した。
  • マルチアセット・ブラック・ショールズ: $\tilde{O}(d^2 N^{2 + d/2})$。
  • マルチアセット・ヘストン: $\tilde{O}(d^2 N^{d + 2})$。
  • 古典的なグリッドベースの基準（それぞれ $\tilde{O}(N^{d+2})$ および $\tilde{O}(N^{2d+2})$）と比較して、この量子フレームワークは $N^{d/2}$ および $N^d$ という多項式改善因子を提供する。
• 数値的検証: このフレームワークは、解析解（ブラック・ショールズ）、半解析的ベンチマーク（ヘストン特性関数）、および古典的数値ソルバー（有限差分法および行列指数関数法）に対して数値的に検証された。
• インプライド・ボラティリティの復元: ヘストン設定において、本フレームワークは幅広いストライク価格にわたるオプション価格を正常に復元し、関連する非平坦なインプライド・ボラティリティ・スマイル/スキューを再構成することに成功した。これは、市場に関連する確率的ボラティリティの特徴を捉える能力を示している。

結果

• 理論的性能: 解析により、ブラック・ショールズおよびヘストンモデルの両方において、グリッドサイズ $N$ に対して多項式的な量子優位性が確認された。この優位性は資産数 $d$ が増加するにつれてより顕著になるが、$d$ に対する指数関数的依存性（次元の呪い）は緩和されるものの、完全に除去されるわけではない。
• 数値精度: シミュレーションにより、量子フレームワークが古典的および半解析的ベンチマークと整合するオプション価格を生成することが示された。ヘストンの場合、復元されたインプライド・ボラティリティ・サーフェスは正しいスキュー構造（例：株式スキュー）を示し、相対誤差が 1% 未満となる半解析的 SSVI フィットと一致した。
• 誤差源: 数値結果における主要な誤差は、量子シミュレーションそのものではなく、粗い空間離散化および領域の切り捨てに起因すると考えられる。シュレーディンガー化手順によって導入される追加誤差は、二次的なものであることが判明した。

意義と主張
本論文は、量子計算されたオプション価格からインプライド・ボラティリティ・スマイル/スキューを成功裡に復元する、量子 PDE ベースの価格決定ワークフローの最初の実証を提供すると主張している。また、このフレームワークは明示的な性能保証と完全なリソース分析を提供しており、変分アプローチやヒューリスティックなアプローチと区別される点を強調している。

著者らは、実用的な優位性について控えめなトーンを維持している。

• 比較は、ウォールクロック時間ではなく漸近スケーリングのレベルで行われており、誤差訂正のオーバーヘッドを考慮しない限り、論理ゲート数は物理的な実行時間に直接変換されないことを明確にしている。
• 「次元の呪い」は排除されていないことを認めている。コストは依然として資産数に対して指数関数的に増大するが、増大率は低下している（ブラック・ショールズの場合、$N^d$ から $N^{d/2}$ へ）。
• 限界点として、境界条件がフレームワークと互換性のあるヨーロピアン型利払い（例：Worst-of コール）に焦点が当てられており、経路依存性や早期行使機能は、追加の状態拡張または反復解法レイヤーを必要とするため除外されていることを指摘している。

全体として、この研究は高次元金融 PDE を解くための量子アルゴリズムの使用について、厳密な理論的および数値的基盤を確立し、マルチアセット価格決定における古典的グリッドベース手法に対する実行可能な代替案を提供している。