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

본 논문은 국소 및 확률적 변동성 모델 하에서 다중 자산 유럽형 옵션 가격을 산출하기 위한 완전한 엔드 투 엔드 양자 알고리즘을 제시하며, 게이트 복잡도 측면에서 고전적 유한차분법에 비해 다항식 속도 향상을 입증하고 명시적인 자원 계상 및 수치적 벤치마크를 제공합니다.

핵심

한 요리사가 주식과 같은 여러 자산 (재료) 의 미래 가격에 의존하는 복잡한 요리 (옵션) 의 가격을 예측한다고 상상해 보세요. 이 요리의 가격은 단순한 평균이 아닙니다. 재료들의 변동성 (급등) 과 서로 간의 연관성에 의해 영향을 받습니다.

금융 세계에서 이 가격을 계산하는 것은 **편미분 방정식 (PDE)**이라는 거대한 다차원 미로 해결과 같습니다.

문제: "그리드의 저주"

전통적으로 이 미로를 해결하기 위해 컴퓨터는 **유한 차분 (Finite Differences)**이라는 방법을 사용합니다. 특정 주소를 찾기 위해 3 차원 도시를 매핑해야 한다고 상상해 보세요.

• 고전적 접근법: 당신은 도로의 그리드를 깔아놓습니다. 재료가 1 개라면 1 차원 그리드 점의 선이 필요합니다. 재료가 10 개라면 10 차원 초그리드가 필요합니다.
• 병목 현상: 재료를 (자산을) 더 추가할수록 그리드 점의 수가 기하급수적으로 폭발합니다. 방을 모래로 채우려는 것과 같습니다. 재료의 수를 두 배로 늘리면 필요한 모래의 양 (연산 능력) 이 단순히 두 배가 되는 것이 아니라, 거대한 배수로 곱해집니다. 이를 "차원의 저주"라고 합니다. 재료가 많은 복잡한 요리의 경우, 고전 컴퓨터는 모래 속에 갇히게 됩니다.

해결책: 양자 "마법 렌즈"

이 논문은 양자 컴퓨터를 사용하여 이 문제를 해결하는 새로운 방법을 제안합니다. 거대한 모래 그리드를 물리적으로 구축하는 대신, 저자들은 "엔드 투 엔드" 양자 파이프라인을 개발하여 마법 렌즈처럼 작동하게 했습니다.

다음은 그들의 시스템이 작동하는 단계별 과정입니다:

1. 설정 (상태 준비)
먼저 컴퓨터는 "레시피" (계약 세부 사항, 행사가, 시장 데이터) 를 가져와 양자 상태로 인코딩합니다. 이는 초기 재료를 양자 블렌더에 로드하는 것과 같습니다. 그들은 **슈뢰딩거화 (Schrödingerization)**라는 영리한 트릭을 사용하여 가격 결정 방정식의 지저분한 비양자 수학을 양자 컴퓨터가 이해할 수 있는 형식 ("유니터리" 진화) 으로 변환합니다.

2. 여정 (양자 진화)
고전 컴퓨터가 그리드 점을 하나씩 걸어가는 대신, 양자 컴퓨터는 전체 시스템을 한 번에 진화시킵니다. 이는 연못에 돌을 던져 물결이 전체 표면에 즉시 퍼지는 것을 관찰하는 것과 같으며, 개별적으로 모든 지점의 수위를 측정하는 것이 아닙니다. 논문은 해밀토니안 시뮬레이션과 같은 고급 기법을 사용하여 양자 상태가 미래 (만기) 에서 현재로 "역류"하도록 합니다.

3. 공개 (읽기)
양자 상태가 진화한 후, 컴퓨터는 가격을 알려야 합니다. 전체 양자 수프를 한 번에 볼 수 없으므로, 저자들은 **진폭 추정 (Amplitude Estimation)**이라는 기법을 사용합니다. 이는 전체 냄비의 맛을 추정하기 위해 수프에서 매우 정밀한 단일 샘플을 채취하는 것과 같습니다. 그들은 특정 지점 (현재 시장 상태) 의 가격을 구체적으로 찾습니다.

결과: 속도 향상

저자들은 이 방법을 두 가지 유명한 금융 모델에서 테스트했습니다:

• 블랙 - 숄즈 (Black-Scholes): 옵션 가격을 책정하는 표준 모델.
• 헤스턴 (Heston): "변동성 미소" (시장 변동성이 일정하지 않고 가격에 따라 변하여 미소 모양의 곡선을 만든다는 사실) 를 고려하는 더 복잡한 모델.

연구 결과:

• 다항식 속도 향상: 재료가 $d$개이고 그리드 크기가 $N$인 요리의 경우, 고전 컴퓨터는 $N^{d+2}$에 비례하는 시간이 걸립니다. 양자 알고리즘은 이를 블랙 - 숄즈의 경우 약 $N^{d/2 + 2}$로 줄이거나, 헤스턴의 경우 $N^{d+2}$로 유지하되 주항의 지수를 훨씬 작게 만듭니다.
• 비유: 고전 컴퓨터가 해변의 모든 모래 알갱이를 세어야 한다면, 양자 컴퓨터는 훨씬 작고 대표적인 샘플을 보고 부피를 추정할 수 있어 해변이 커질수록 엄청난 시간을 절약합니다.
• 현실 세계 검증: 이 논문은 단순히 이론적 수학만 다룬 것이 아닙니다. 시뮬레이션을 실행하여 그들의 양자 방법이 고전적 방법과 마찬가지로 "변동성 미소" (내재 변동성의 곡선 그래프) 를 성공적으로 재현하여 실제 시장 행동을 포착함을 보여주었습니다.

중요한 주의 사항 (소문자)

저자들은 이것이 아직 무엇을 하지는 않는지 매우 조심스럽게 명시합니다:

• 모든 것에 대한 마법의 지팡이는 아님: 속도 향상은 중요하지만, "차원의 저주"를 완전히 제거하지는 않습니다. 비용은 여전히 자산을 추가함에 따라 증가하지만, 이전보다 훨씬 느리게 증가합니다.
• 현재는 이론적임: "게이트 복잡도" (단계 수) 는 완벽하고 오류가 없는 양자 컴퓨터를 위해 계산되었습니다. 오늘날의 실제 양자 컴퓨터는 잡음이 많고 작습니다.
• 특정 범위: 이 방법은 만기일에만 행사할 수 있는 유럽형 옵션과 특정 유형의 다중 자산 계약에 가장 잘 작동합니다. 조기 행사 기능이 있는 것과 같은 모든 가능한 이국적인 금융 파생 상품을 아직 처리하지는 못합니다.

요약

간단히 말해, 이 논문은 복잡한 금융 옵션 가격을 책정하기 위한 완전한 이론적 "양자 조립 라인"을 구축합니다. 이는 고전 데이터를 가져와 여러 자산의 미래 가격 변동을 동시에 시뮬레이션하는 양자 엔진을 통과시켜 가격을 출력합니다. 그 결과, 고차원 문제에서 기존 고전 방법보다 수학적으로 입증된 속도로 훨씬 빠르며, "변동성 미소"와 같은 복잡한 시장 패턴을 성공적으로 재현하는 방법이 됩니다.

기술 요약

문제 정의
국소 변동성 (Black–Scholes) 및 확률적 변동성 (Heston) 모델 하에서 다중 자산 옵션의 가격 결정은 자연스럽게 고차원 포물형 편미분방정식 (PDE) 을 초래합니다. 유한차분법이나 행렬 지수법과 같은 이러한 PDE 를 풀기 위한 고전적 수치 해법은 차원의 저주 (curse of dimensionality) 로 고통받는데, 여기서 계산 비용은 자산 수 ($d$) 와 격자 해상도 ($N$) 에 따라 기하급수적으로 증가합니다. 구체적으로, 공간 방향당 $N$개의 점을 갖는 격자의 경우, 고전적 격자 기반 방법은 Black–Scholes 에 대해 $\tilde{O}(N^{d+2})$로, Heston 에 대해 $\tilde{O}(N^{2d+2})$로 확장됩니다 (Heston 모델은 분산 변수를 포함함). 양자 알고리즘이 옵션 가격 결정에 제안되어 왔지만, 많은 방법들은 상태 준비, 정규화, 그리고 판독에 특히 특정 경계 조건을 가진 복잡하고 고차원적인 PDE 의 경우 어려움을 겪는 몬테카를로 경로 시뮬레이션이나 변분적 접근법에 의존합니다.

방법론
저자들은 고전적 계약 및 모델 데이터를 입력으로 받아 옵션 가치의 고전적 추정치를 반환하는 종단 간 (end-to-end) 양자 PDE 프레임워크를 개발했습니다. 워크플로는 세 가지 주요 단계로 구성됩니다:

1. 이산화 및 공식화: 가격 결정 PDE 를 공간에서 2 차 유한차분을 사용하여 이산화하여, 연속적인 PDE 를 희소하고 유한 차원의 상미분방정식 (ODE) 시스템으로 변환합니다. 비균질 경계 조건과 소스 항을 처리하기 위해, 아핀 ODE 시스템은 보조 상태 변수를 추가하여 동차 선형 시스템으로 확장됩니다.
2. 양자 진화 (슈뢰딩거화): 결과적으로 생성된 ODE 시스템은 일반적으로 가격 결정 연산자의 비에르미트성으로 인해 비유니터리이므로, 프레임워크는 **슈뢰딩거화 (Schrödingerisation)**를 적용합니다. 이 기술은 보조 연속 변수 ($\xi$) 를 도입하고 역학을 슈뢰딩거 방정식으로 매핑함으로써 비유니터리 역학을 더 큰 유니터리 시스템에 임베딩합니다. 그런 다음 시스템을 $\xi$ 차원에서 이산화하고 푸리에 방법을 통해 변환하여 에르미트 해밀토니안을 도출합니다.
3. 상태 준비 및 판독:
   • 상태 준비: 슈뢰딩거화에 필요한 페이오프 벡터 (예: Worst-of Call) 와 매끄러운 컷오프 프로파일은 좌표 연산자의 블록 인코딩과 양자 특이값 변환 (QSVT) 을 사용하여 양자 상태로 준비됩니다.
   • 진화: 이산화된 가격 결정 역학은 블록 인코딩과 교대 위상 변조 시퀀스 (Quantum Signal Processing) 를 사용하여 해밀토니안 진화를 통해 시뮬레이션됩니다.
   • 판독: 선택된 옵션 가치들이 최종 양자 상태에서 복원됩니다. 원하는 가격이 단일 진폭에 인코딩되어 있으므로, 프레임워크는 Hadamard 테스트와 결합된 **양자 진폭 추정 (QAE)**을 활용합니다. 중요한 점은 판독 오버헤드가 격자 부피의 제곱근 ($2^{W/2}$) 에 비례한다는 것이며, 여기서 $W$는 시스템 큐비트의 수입니다.

주요 기여

• 종단 간 파이프라인: 이 논문은 상태 준비, 해밀토니안 시뮬레이션, 정규화 복원, 그리고 판독에 대한 상세한 자원 계정을 포함하여 고전적 입력 데이터에서 고전적 출력까지의 완전하고 명시적인 파이프라인을 제공합니다.
• 복잡도 분석: 저자들은 단일 지점 옵션 가격 복원에 대한 주요 게이트 복잡도를 유도했습니다:
  • 다중 자산 Black–Scholes: $\tilde{O}(d^2 N^{2 + d/2})$.
  • 다중 자산 Heston: $\tilde{O}(d^2 N^{d + 2})$.
  • 고전적 격자 기반 기준선 (각각 $\tilde{O}(N^{d+2})$ 및 $\tilde{O}(N^{2d+2})$) 과 비교할 때, 양자 프레임워크는 $N^{d/2}$ 및 $N^d$의 다항식 개선 인자를 제공합니다.
• 수치적 검증: 이 프레임워크는 해석적 해 (Black–Scholes), 준해석적 벤치마크 (Heston 특성 함수), 그리고 고전적 수치 솔버 (유한차분 및 행렬 지수) 에 대해 수치적으로 검증되었습니다.
• 함의 변동성 복원: Heston 설정에서, 프레임워크는 다양한 행렬에 걸친 옵션 가격을 성공적으로 복원하고 관련 비평탄한 함의 변동성 미소/스키우를 재구성하여 시장 관련 확률적 변동성 특징을 포착하는 능력을 입증했습니다.

결과

• 이론적 성능: 분석은 Black–Scholes 및 Heston 모델 모두에서 격자 크기 $N$에 대해 다항식 양자 우위가 있음을 확인합니다. 이 우위는 자산 수 $d$가 증가함에 따라 더 두드러지지만, $d$에 대한 지수적 의존성 (차원의 저주) 은 완화되었으나 제거되지는 않았습니다.
• 수치적 정확도: 시뮬레이션은 양자 프레임워크가 고전적 및 준해석적 벤치마크와 일관된 옵션 가격을 생성함을 보여줍니다. Heston 사례에서, 복원된 함의 변동성 표면은 올바른 스키우 구조 (예: 주식 스키우) 를 나타내며, 상대적 오차가 1% 미만인 준해석적 SSVI 피팅과 일치합니다.
• 오차 원인: 수치 결과의 주요 오차는 양자 시뮬레이션 자체보다는 거친 공간 이산화 및 영역 절단에 기인합니다. 슈뢰딩거화 절차로 인해 추가된 오차는 부차적인 것으로 확인되었습니다.

의의 및 주장
이 논문은 양자 계산된 옵션 가격으로부터 함의 변동성 미소/스키우를 성공적으로 복원하는 양자 PDE 기반 가격 결정 워크플로우의 첫 번째 증명을 제공한다고 주장합니다. 이 프레임워크는 변분적 또는 휴리스틱 접근법과 구별되는 명시적 성능 보장과 완전한 자원 분석을 제공한다고 강조합니다.

저자들은 실용적 이점에 대해 겸손한 어조를 유지합니다:

• 비교가 벽시계 시간 (wall-clock time) 이 아닌 점근적 확장성 수준에서 이루어진다는 점을 명확히 하며, 오류 수정 오버헤드를 고려하지 않으면 논리적 게이트 수가 물리적 실행 시간으로 직접 변환되지 않는다고 지적합니다.
• "차원의 저주"가 제거된 것은 아니며, 비용이 여전히 자산 수에 따라 기하급수적으로 증가하지만 성장률은 감소한다는 점 (Black–Scholes 의 경우 $N^d$에서 $N^{d/2}$로) 을 인정합니다.
• 현재 프레임워크와 호환되는 경계 조건을 가진 유럽식 페이오프 (예: Worst-of Call) 에 초점을 맞추고 있으며, 추가적인 상태 확장이나 반복적 해결 계층이 필요할 수 있는 경로 의존성 또는 조기 행사 기능은 제외되었다는 한계를 지적합니다.

전반적으로, 이 작업은 다중 자산 가격 결정을 위한 고전적 격자 기반 방법에 대한 실효성 있는 대안으로 고차원 금융 PDE 를 풀기 위해 양자 알고리즘을 사용하는 데 필요한 엄격한 이론적 및 수치적 기반을 확립합니다.