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

あなたは、最も価値のある財宝を見つけるために、荒れる海を航海する巨大な船の船長であると想像してください。あなたの目的は、単に金を見つけることではなく、船を沈ませず、巨大な波を避け、そしてクルー全員が同じ人になってしまわない（全員が同時に船酔いするとリスクが高いため）ようにしながら、できる限り多くの金を見つけることです。何十年もの間、船長たちは古い信頼できる地図やコンパス（古典的な数学）を使って航路を計画してきました。しかし最近、2つの新しい、型破りなテクノロジーが登場しました。一つは、「量子コンパス」で、宇宙の奇妙で不気味なルールを利用して、瞬時に最善の経路を推測します。もう一つは、「ロボットの弟子」で、試行錯誤を通じて学習し、航海しながら海のルールを理解しようとします。

現代の金融における大きな疑問は、これら新しいハイテクツールは、古い信頼できる手法よりも優れた仕事ができるのか？という点です。具体的には、これらは（投資のコレクションである）「ポートフォリオ」を構築し、より多くの利益を上げつつ、リスクを抑えることができるのでしょうか？この論文は、まさにその戦いに深く切り込んでいます。それは、同じ複雑なパズルを解こうとする3人の異なる「船長」をテストしています。光子量子コンピュータ（光を使って問題を解決するマシン）、超スマートな古典的コンピュータソルバー（非常に厳格なルールに従う数学者）、そして深層強化学習エージェント（ゲームを通じて学ぶロボット）です。研究者たちは、市場のトリッキーなルール（例えば、巨額の損失を回避したり、ポートフォリオのバランスを保ったりすること）を、クラッシュすることなく扱うことができるのは誰かを知りたかったのです。

グレート・ソルバー・ショーダウン（偉大なる解決者たちの対決）

この研究において、研究者たちは164ヶ月分の過去の株式市場データを用いた大規模なレーストラックを設定しました。そして、3つの非常に異なる「ドライバー」に対し、13種類の異なる投資スタイル（「バリュー」、「モメンタム」、「クオリティ」など）のポートフォリオを操縦するよう命じました。目標は、リターンを最大化しつつ、壊滅的な暴落のリスクを最小限に抑えることです。

3人の対戦相手：

1. 量子の光線（Dirac-3）： これは、魔法の、光り輝く水晶玉だと考えてください。「フォトニック・アニーリング」を使用しており、これは迷路の中に光のビームを送り込み、一瞬で出口を見つけるようなものです。これは驚異的に速く、他の者が逃すかもしれないショートカットを見つけ出すことがあります。
2. 厳格な会計士（Gurobi）： これは、超強力な、昔ながらの数学者です。彼は推測しません。「分枝限定法（branch-and-bound）」と呼ばれる手法を用いて、あらゆる可能性をチェックします。それは、犯人が誰であるかを完全に証明するまで現場を離れない探偵のようなものであり、答えが完璧で安定していることを保証します。
3. ロボットの弟子（SAC）： これは、良い動きには報酬を、悪い動きには罰を与えることで、最高の運転方法を学ぼうとする学習ロボットです。柔軟で創造的ですが、ルールが変化しすぎると混乱してしまうことがあります。

結果：レースの勝者は誰か？

論文の結果は、唯一の「最高のドライバー」は存在しないというものでした。代わりに、それぞれに特定のスーパーパワーと特定の弱点があります。

1. 量子の光線：ハイリスク・ハイリターンのスター
フォトニック量子コンピュータ（Dirac-3）は、ショーの主役でしたが、それは非常に慎重に操縦した場合に限られました。研究者が設定を完璧に調整したとき（具体的には、「ボラティリティ・ペナルティ」を非常に低い特定の数値に設定したとき）、それは最高のスコアを達成しました。

• 勝利： それは最高のシャープレシオ 0.760と、カルマーレシオ 0.567を叩き出しました。平たく言えば、これは利益とリスクの最高のバランス、および利益と「最悪の日のひどさ」の最高のバランスを実現したことを意味します。また、設定を最適化した際、最大の下落幅（ドローダウン）をわずか**-2.63%**に抑えることもできました。
• 落とし穴： この魔法は、非常に狭く限定的なウィンドウの中でしか機能しませんでした。研究者が設定を少しでも微調整すると、パフォーマンスは低下しました。また、量子コンピュータは、ほとんどの卵を数少ないバスケットに入れすぎる傾向がありました。それはしばしば、資金をわずか2つか3つのファクター（例えば「アクルーアル」や「インベストメント」）に集中させ、上位5つのファクターが**90%**以上のウェイトを占めるポートフォリオを作成しました。これは、それらのファクターが機能し続ける限りは素晴らしいことですが、もし機能が止まればリスクとなります。

2. 厳格な会計士：安全第一のチャンピオン
古典的ソルバー（Gurobi）は、「最高スコア」のコンテストでは勝ちませんでしたが、最も信頼できる存在でした。

• 勝利： 最悪のシナリオに対する最高の保護を提供しました。最も低い**CVaR（条件付きバリュー・アット・リスク）である －0.863%**を達成しました。これは、災害時にどれだけの損失が出るかを制限することにおいて、最も優れていたことを意味します。また、ポートフォリオを非常にうまく分散させ、上位5つのファクターが支配的になりすぎないようにしました。
• 落とし穴： そのピークスコア（シャープレシオ 0.718など）は、量子コンピュータの最高値よりはわずかに低かったです。しかし、一度もクラッシュすることなく、テストを何度実行しても常に全く同じ答えを出しました。それは、失敗することのない「退屈だが安全な」選択肢でした。

3. ロボットの弟子：不安定なワイルドカード
強化学習ロボット（SAC）は、最も予測不能でした。

• 勝利： 特定の低リスク設定においては、良好なリターンを見出し、ポートフォリオを非常に広く分散させることができました。
• 落とし穴： 論文は、このロボットに深刻な欠陥があることを明らかにしました。研究者が、強力なセーフティネットなしに「スキューネス（利益曲線の形状を表す専門用語）」に対して特に注意を払うよう求めたとき、ロボットはパニックを起こしました。それは、全資金の**57.9%をわずか2つのファクターに投入し始め、あるケースでは、単一のファクターがポートフォリオの45.5%を占めました。これにより、「壊滅的な失敗」を招き、ドローダウンは-14.64%**に達しました。論文は、ルールが複雑になった際に戦略を「幻覚（ハルシネーション）」して失敗する傾向があるため、現在の形態のままでは、高額な投資に使用することは避けるべきであると明示的に否定しています。

大きな教訓

論文は、「量子が優れている」とか「AIが優れている」と言うことはできない、と結論付けています。重要なのは、道具を仕事に合わせることです。

• もしあなたが、絶対的な最高リターンを求め、ポートフォリオが少数のファクターに集中することを許容できるリスク愛好家であるなら、**量子の光線（Dirac-3）**が勝者です。ただし、完璧にチューニングする必要があります。
• もしあなたが、ポートフォリオがクラッシュしないことを保証する必要がある慎重な投資家であり、結果の再現性を求めるのであれば、**厳格な会計士（Gurobi）**が最良の選択です。それは最も安定したテールリスク保護を提供します。
• **ロボットの弟子（SAC）**は、有望ではありますが、現在はあまりにも脆弱です。論文は、厳格なガードレールなしでは、ルールが複雑になったときに、間違った場所に全資金を集中させて巨額の損失を招く罠に陥りやすいと警告しています。

要約すると、投資の未来は、高いリターンのための「秘伝のソース」を見つけるために量子コンピュータを使用し、船が沈まないようにするために厳格な会計家に頼る、という組み合わせになるかもしれません。そして、ロボットの弟子がより安定することを学ぶまでは、おそらくトレーニングルームの中に置いておくのが賢明でしょう。