⚛️ quantum physics

Evaluating Quantum Amplitude Estimation for Pricing Multi-Asset Basket Options

Dit onderzoek evalueert de effectiviteit van quantum amplitude estimation voor het prijzen van multi-asset basketopties door de impact van het aantal onzekerheidsqubits en het aantal activa te analyseren in vergelijking met klassieke methoden.

Oorspronkelijke auteurs: Muhammad Kashif, Shaf Khalid, Nouhaila Innan, Alberto Marchisio, Muhammad Shafique

Gepubliceerd 2026-02-12

📖 3 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Muhammad Kashif, Shaf Khalid, Nouhaila Innan, Alberto Marchisio, Muhammad Shafique

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een expert bent die moet voorspellen wat de prijs van een enorme mand met verschillende soorten fruit (appels, bananen, mango's, etc.) over een maand zal zijn. Dit is een "basket option" in de financiële wereld. Omdat de prijzen van al dat fruit constant schommelen, is het een enorme hoofdpijn om de exacte waarde te berekenen.

Dit wetenschappelijke artikel onderzoekt een nieuwe, futuristische manier om dit probleem op te lossen met kwantumcomputers.

Hier is de uitleg in begrijpelijke taal:

1. De Oude Methode: De "Gokker met een rekenmachine" (Monte Carlo)

De huidige manier waarop banken dit doen, is een beetje zoals een gokker die duizenden keren een simulatie draait: "Wat als de appel 1 euro kost? Wat als hij 2 euro kost?" Hij doet dit heel vaak en neemt het gemiddelde. Dat werkt prima, maar als je mand met fruit steeds groter wordt (bijvoorbeeld 100 soorten fruit in plaats van 3), wordt de gokker doodmoe en duurt het berekenen een eeuwigheid.

2. De Nieuwe Methode: De "Kwantum-Spiegel" (QAE)

De onderzoekers gebruiken Quantum Amplitude Estimation (QAE). In plaats van elke mogelijkheid één voor één te "gokken", gebruikt een kwantumcomputer een soort magische spiegel. In plaats van miljoenen losse berekeningen te maken, laat de kwantumcomputer alle mogelijkheden tegelijkertijd zien in een soort golvend patroon (interferentie). Hierdoor kan hij veel sneller de "gemiddelde prijs" uit de chaos vissen.

3. Het Probleem: De "Resolutie van de Tekening"

De onderzoekers ontdekten iets heel belangrijks: het gaat allemaal om precisie.

Stel je voor dat je een foto probeert te maken van die mand fruit:

Met weinig "qubits" (de bouwstenen van een kwantumcomputer): Het is alsof je een foto maakt met een oude Nokia uit 2005. Je ziet wel dat er fruit is, maar het is zo wazig (pixelig) dat je niet ziet of het een appel of een tomaat is. De prijs die de computer geeft, klopt dan totaal niet.
Met meer "qubits": Het is alsof je een 4K-high-definition foto maakt. De details zijn scherp, de prijzen van de verschillende stukken fruit zijn duidelijk, en de berekening wordt ineens heel nauwkeurig.

Maar er is een addertje onder het gras: Hoe scherper de foto (hoe meer qubits), hoe zwaarder de computer moet werken. Het is alsof je een foto probeert te maken van een heel groot voetbalstadion met de allerhoogste resolutie; je computer loopt vast omdat het bestand te groot wordt.

4. Wat hebben ze ontdekt? (De "Sweet Spot")

De onderzoekers hebben gezocht naar de perfecte balans. Ze ontdekten de "Sweet Spot":
Als je ongeveer 3 tot 4 qubits per stuk fruit gebruikt, krijg je een resultaat dat bijna net zo goed is als de traditionele, trage methoden, maar dan met de snelheid en kracht van de kwantumwereld.

Samenvatting in één metafoor

Het is alsof je een landkaart probeert te tekenen van een heel bos.

Gebruik je te weinig details, dan zie je alleen een groene vlek (foutieve prijs).
Gebruik je té veel details (elk grassprietje), dan is de kaart zo groot dat je hem niet eens meer kunt uitrollen (te zware berekening).
De ontdekking van dit onderzoek: Als je de bomen en de paden tekent (3-4 qubits), heb je een perfecte kaart die precies genoeg is om je de weg te wijzen zonder dat je kaart een monster wordt.

Conclusie: Kwantumcomputers zijn de toekomst voor de financiële wereld, maar we moeten slim leren hoeveel "pixels" we gebruiken om de juiste prijs te vinden zonder de computer te laten crashen!

Technische Samenvatting: Evaluatie van Quantum Amplitude Estimation voor de Prijsbepaling van Multi-Asset Basket Opties

1. Het Probleem (Problem Statement)

De nauwkeurige prijsbepaling van multi-asset basket opties (derivaten waarvan de waarde afhangt van een gewogen gemiddelde van meerdere onderliggende activa) is een complexe uitdaging in de financiële wereld. Traditionele methoden hebben inherente beperkingen:

Black-Scholes model: Werkt goed voor enkelvoudige activa, maar de extensies naar meerdere activa vereisen simplistische aannames (zoals constante volatiliteit) die de realiteit niet goed weerspiegelen.
Partiële Differentiaalvergelijkingen (PDE): De computationele kosten stijgen exponentieel met het aantal activa (de "vloek van de dimensionaliteit").
Monte Carlo (MC) simulaties: Hoewel flexibel, zijn ze computationeel zeer intensief wanneer een hoge precisie of een groot aantal scenario's vereist is.

Er is een groeiende behoefte aan quantumalgoritmen, zoals Quantum Amplitude Estimation (QAE), die theoretisch een kwadratische versnelling (quadratic speedup) bieden ten opzichte van klassieke Monte Carlo-methoden. Echter, veel bestaand onderzoek gebruikt gesimuleerde (synthetische) data; de effectiviteit van QAE op echte marktdata en de impact van qubit-allocatie bij toenemende complexiteit zijn nog onvoldoende onderzocht.

2. Methodologie (Methodology)

De auteurs stellen een hybride quantum-klassiek framework voor dat gebruikmaakt van historische marktdata (o.a. AAPL, GOOG, MSFT, NVDA). De workflow bestaat uit:

Data-acquisitie & Preprocessing: Gebruik van de yfinance bibliotheek om historische koersen te verkrijgen. De logaritmische rendementen worden berekend om de gemiddelde return ( $\mu$ ) en volatiliteit ( $\sigma$ ) te schatten, die vervolgens worden geschaald naar de looptijd ( $T$ ) van de optie.
Discretisatie: De continue lognormale prijsverdeling van elk actief wordt gediscretiseerd in een raster (grid) van $2^n$ punten, waarbij $n$ het aantal uncertainty qubits per actief is.
Quantum Circuit Constructie:
- State Preparation: Het laden van de gediscretiseerde kansverdelingen in een quantumregister.
- Payoff Encoding: Het berekenen van de basketwaarde via een weighted adder en het coderen van de optie-uitbetaling (de payoff) via een stuksgewijze lineaire functie in een objective qubit.
Amplitude Estimation: Het gebruik van QAE om de verwachte waarde (de prijs) te schatten met een doelprecisie $\epsilon$ en betrouwbaarheidsinterval $\alpha$ .
Benchmarking: De quantumresultaten worden vergeleken met klassieke Monte Carlo-simulaties en het Black-Scholes model.

3. Belangrijkste Bijdragen (Key Contributions)

Integratie van Real-World Data: In tegenstelling tot eerdere studies gebruikt dit werk echte historische aandelenkoersen, wat de realistische volatiliteit en marktgedrag meeneemt.
Parametrische Analyse van Qubit-allocatie: Het onderzoek analyseert systematisch de trade-off tussen het aantal uncertainty qubits (resolutie) en de complexiteit van het circuit.
Schaalbaarheidsonderzoek: Er wordt gekeken naar de impact van het verhogen van het aantal activa (dimensionaliteit) versus het verhogen van de precisie per actief.
Hybride Framework: Een robuust vergelijkingskader dat de praktische haalbaarheid van quantum-financiële workflows in kaart brengt.

4. Resultaten (Results)

De resultaten laten een duidelijk verband zien tussen de beschikbare quantumresources en de nauwkeurigheid:

Impact van Uncertainty Qubits:
- Bij een laag aantal qubits (1–2) is de discretisatie te grof, wat leidt tot ernstige onderschattingen of overschattingen van de prijs.
- Er is een "sweet spot" bij 3–4 qubits per actief. Op dit niveau convergeren de QAE-schattingen naar de klassieke Monte Carlo-waarden.
- Meer dan 4 qubits levert slechts marginale verbeteringen op in nauwkeurigheid, maar verhoogt de circuitdiepte (en dus de foutgevoeligheid op huidige hardware) exponentieel.
Impact van Asset Dimensionaliteit:
- Bij een vast aantal qubits neemt de nauwkeurigheid af naarmate het aantal activa in de basket toeneemt.
- Voor grotere baskets (6–9 activa) vertoont de QAE een neiging tot "overshooting" (overschatting), wat duidt op de beperkingen van de huidige onafhankelijke modellering van activa en de beperkte resolutie van het quantumregister.

5. Betekenis (Significance)

Dit onderzoek biedt cruciale inzichten voor de implementatie van quantumalgoritmen in de financiële sector. Het bewijst dat QAE een levensvatbaar alternatief is voor klassieke methoden, mits de qubit-allocatie optimaal is afgestemd op de complexiteit van de basket. De bevindingen dienen als een gids voor het optimaliseren van quantumresources in hybride workflows, waarbij de balans tussen precisie en computationele haalbaarheid centraal staat voor de nabije toekomst van Quantum Finance.