Solving 2D Black Scholes Equation via Hermitian Block Embedding and Generalised Quantum Signal Processing

Dit artikel stelt een methode voor en valideert numeriek een methode voor het oplossen van de tweedimensionale Black-Scholes-vergelijking door Hermitische blokinbedding te combineren met Generalised Quantum Signal Processing om de inverse van niet-Hermitische tijdstapmatrices nauwkeurig te benaderen, waarmee de haalbaarheid van het toepassen van moderne kwantumlineaire algebra-technieken op optieprijsbepaling voor meerdere activa wordt aangetoond.

De kern

Het Grote Plaatje: De prijs van een "Mandje" aan opties

Stel je voor dat je een financiële handelaar bent die probeert de prijs te bepalen van een speciale "mandjes"-optie (basket option). Dit is niet zomaar een weddenschap op één aandeel (zoals Apple); het is een weddenschap op een mix van twee verschillende aandelen (zoals Apple en Microsoft) die samen bewegen.

In de echte wereld is het berekenen van de eerlijke prijs van dit mandje alsof je een enorme, complexe doolhof oplost. Je moet achteruit werken vanaf de dag dat de weddenschap afloopt (de vervaldatum) naar vandaag toe, waarbij je uitrekent hoe de prijs bij elke stap onderweg verandert.

Al een lange tijd gebruiken computers hiervoor een methode genaamd "eindige verschillen" (finite differences). Zie dit als het omzetten van de vloeiende, continue beweging van aandelenkoersen in een gigantisch rooster van stippen. Om de prijs van vandaag te vinden, moet de computer een enorme wiskundige puzzel oplossen: hij moet een enorme matrix inverteren (een rooster van getallen) om terug te stappen in de tijd.

Het Probleem: De "Niet-Symmetrische" Puzzel

De wiskundige puzzel waar de computer voor staat, is lastig. Het rooster van getallen (de matrix) dat hij moet inverteren is "niet-Hermitisch". In gewone mensentaal betekent dit dat het rooster scheef is en geen nette, symmetrische structalaat heeft.

In een eenvoudiger scenario met één aandeel vonden wetenschappers een slimme truc om dit scheve rooster symmetrisch (Hermitisch) te maken, zodat ze een krachtig nieuw hulpmiddel genaamd Generalised Quantum Signal Processing (GQSP) konden gebruiken. GQSP is als een super-efficiënte quantummachine die specifieke soorten wiskundige puzzels heel snel kan oplossen, maar het werkt alleen op symmetrische, goed geordende roosters.

Echter, wanneer je een tweede aandeel toevoegt, wordt het rooster een complexe 2D-blokstructuur. De oude truc om het symmetrisch te maken, werkt niet meer omdat de twee aandelen aan elkaar gekoppeld zijn op een manier die "lussen" in de wiskunde creëert die niet met een simpele aanpassing kunnen worden opgelost.

De Oplossing: De "Hermitian Block Embedding"

De auteurs van dit artikel bedachten een nieuwe manier om de quantummachine te foppen zodat deze het 2D-probleem kan oplossen. Ze gebruikten een techniek genaamd Hermitian Block Embedding.

De Analogie: De Spiegeldoos
Stel je voor dat je een scheef, rommelig object hebt (de 2D tijdstap-matrix) dat je niet in een speciale "Symmetrie-machine" (GQSP) kunt plaatsen.

1. De Truc: In plaats van te proberen het object zelf te repareren, bouw je een speciale doos om het heen.
2. De Constructie: Je plaatst het rommelige object in de rechterbovenhoek van de doos en zijn "spiegelbeeld" (de transponster) in de linkeronderhoek. De linkerbovenhoek en de rechteronderhoek zijn leeg (nullen).
3. Het Resultaat: Hoewel de binnenkant rommelig is, is de gehele doos nu perfect symmetrisch. Het is nu "Hermitisch".

Nu kan de quantummachine naar deze grote doos kijken. Wanneer de machine zijn magie verricht (polynomiale transformatie) op de doos, creëert het een resultaat waarbij het "rommelige" deel (de inverse van de oorspronkelijke matrix) in een specifieke hoek van de doos naar voren komt.

Hoe ze het deden: Het "Oneven" Polynoom

Om het antwoord uit deze doos te halen, gebruikten de auteurs een speciaal soort wiskundige functie genaamd een oneven polynoom (odd polynomial).

• Denk aan een "even" functie als een spiegelbeeld aan beide kanten van een lijn (zoals een lachgezichtje).
• Denk aan een "oneven" functie als een rotatie (zoals een wipwap).

Vanwege de manier waarop ze hun doos hebben gebouwd (met het rommelige deel in de hoek), hadden ze een "wipwap"-achtig wiskundig type nodig. Als ze een "lachgezichtje"-functie hadden gebruikt, zou het antwoord verloren zijn gegaan. Door een "oneven" functie te gebruiken, zorgt de wiskunde er natuurlijk voor dat de lege hoeken worden geannuleerd en het juiste antwoord (de inverse matrix) in de linkeronderhoek van het resultaat achterblijft.

De Test: Werkte het?

Het team heeft simulaties uitgevoerd om te zien of deze nieuwe methode daadwerkelijk werkte voor een "mandjes"-optie met twee aandelen.

• De Opstelling: Ze simuleerden een mandjes-optie met twee activa, gebruikmakend van een rooster van 32x32 punten (1.024 punten in totaal).
• De Vergelijking: Ze vergeleken hun quantum-achtige oplossing (met de nieuwe embedding-methode) met een standaard, vertrouwde klassieke computermethode (Backward Euler).
• Het Resultaat: De twee methoden kwamen zeer nauw met elkaar overeen. De "quantum"-oplossing zag er bijna exact hetzelfde uit als de "klassieke" oplossing.

Dit bewees dat hun "Spiegeldoos"-truc de dynamiek van het complexe 2D-probleem succesvol heeft gevangen. De methode reproduceerde nauwkeurig de achterwaartse tijdsevolutie van de optieprijs.

Het Nadeel: Discretisatiefout

Het artikel vermeldt één belangrijke beperking. Omdat ze dit op een computer simuleren, moeten ze in "stappen" achteruit in de tijd gaan. In hun simulatie moesten ze een zeer grote stap nemen (één grote sprong) vanwege de complexiteit.

• Het Probleem: Het nemen van een enorme stap in een wiskundige simulatie introduceert een "discretisatiefout" (ruwweg hetzelfde als proberen een vloeiende curve te tekenen met slechts een paar gigantische Lego-blokjes).
• De Bevinding: De fout in hun resultaten kwam grotendeks door deze grote stapgrootte, en niet door een fout in hun quantummethode. Sterker nog, de fout was vergelijkbaar met de fout die je zou krijgen als je de klassieke methode met diezelfde gigantische stap zou uitvoeren.

Samenvatting

Dit artikel demonstreert een nieuwe manier om complexe 2D financiële prijsvraagstukken op te lossen met behulp van quantumalgoritmen.

1. Ze konden de oude truc niet gebruiken om de wiskunde symmetrisch te maken.
2. Ze bouwden een "Spiegeldoos" (Hermitian Block Embedding) om de wiskunde in een symmetrische vorm te dwingen.
3. Ze gebruikten een speciaal "Oneven Polynoom" om het antwoord uit de doos te halen.
4. Hun simulaties toonden aan dat deze methode werkt en resultaten oplevert die overeenkomen met standaard klassieke computers, wat de weg vrijmaakt voor het oplossen van zelfs complexere problemen met meerdere activa in de toekomst.

Technische samenvatting

Technische Samenvatting: Het oplossen van 2D Black–Scholes-vergelijkingen via Hermitische blok-embedding en Gegeneraliseerde Quantum Signal Processing

1. Probleemstelling

De prijsbepaling van Europese financiële derivaten, zoals opties, wordt fundamenteel gemodelleerd door de Black–Scholes partiële differentiaalvergelijking (PDE). Voor multi-asset opties (bijv. basket-opties die afhankelijk zijn van twee onderliggende activa) wordt het probleem een twee-dimensionale PDE. Onder het standaard no-arbitrage kader vereist prijsbepaling het achterwaarts evolueren van de terminale payoff in de tijd.

Bij discretisatie met behulp van eindverschillen en een impliciet tijdstap-schema (specifiek backward Euler), wordt de continue PDE getransformeerd naar een reeks lineaire algebra-problemen. De kerntaak van de berekening is de toepassing van de inverse van een tijdstap-matrix, $\tilde{M}^{-1}$, op een vector die de optiewaarde representeert.

• Uitdaging: In het twee-dimensionale geval is de gediscretiseerde matrix $\tilde{M}$ reëel, maar over het algemeen niet-Hermitisch en niet-unitair vanwege drift-termen, gemengde afgeleiden en randvoorwaarden.
• Quantumcontext: Hoewel quantum lineaire algebra-algoritmen zoals Quantum Signal Processing (QSP) en Generalised Quantum Signal Processing (GQSP) krachtige methoden bieden voor het implementeren van matrixfuncties (zoals inversie) via polynoomtransformaties, vereisen ze doorgaans dat de invoeroperator unitair of Hermitisch is. Standaard benaderingen voor niet-Hermitische matrices vertrouwen vaak op "block-encoding", wat aanzienlijke overhead introduceert in termen van ancilla-registers, circuitdiepte en state preparation. Voorgaand werk [13] heeft succesvol een Hermitische-GQSP-benadering toegepast op de één-dimensionale Black–Scholes vergelijking door een diagonale gelijkenis-transformatie te gebruiken om de tridiagonale tijdstap-matrix in een Hermitische vorm om te zetten. Deze methode faalt echter in twee dimensies omdat de blokstructuur van de 2D-matrix (voortvloeiend uit tensorproduct-discretisatie en gemengde afgeleiden) de existentie van een diagonale gelijkenis-transformatie verhindert die Hermiticiteit behoudt.

2. Methodologie

De auteurs stellen een Hermitische blok-embedding strategie voor om het GQSP-raamwerk uit te breiden naar de twee-dimensionale Black–Scholes vergelijking zonder dat een diagonale gelijkenis-transformatie of conventionele block-encoding overhead nodig is.

A. Hermitische Blok-embedding
In plaats van te proberen de niet-Hermitische matrix $\tilde{M}$ direct te symmetriseren, embedden de auteurs deze in een grotere Hermitische matrix $H$ van dimensie $2N \times 2N$ (waarbij $N$ de dimensie van het gediscretiseerde rooster is):
$$H = \begin{pmatrix} 0 & \tilde{M} \\ \tilde{M}^T & 0 \end{pmatrix}$$
Omdat $\tilde{M}$ reëel is, is $H$ reëel symmetrisch en dus Hermitisch. De inverse van deze geëmbedde matrix is:
$$H^{-1} = \begin{pmatrix} 0 & \tilde{M}^{-T} \\ \tilde{M}^{-1} & 0 \end{pmatrix}$$
Cruciaal is dat de gewenste inverse tijdstap-operator $\tilde{M}^{-1}$ verschijnt in het onderste linker off-diagonaal blok van $H^{-1}$.

B. Oneven Polynoom-approximatie
De structuur van $H$ legt een pariteitseigenschap op aan de machten van $H$: even machten van $H$ zijn blok-diagonaal, terwijl oneven machten blok off-diagonaal zijn.

• De auteurs construeren een oneven polynoom $p(x) = \sum c_{2m+1} x^{2m+1}$ om de inverse functie $f(x) = 1/(\gamma x)$ te benaderen op het spectrum van $H$.
• Omdat $p(x)$ oneven is, blijft $p(H)$ blok off-diagonaal. Bijgevolg benadert het onderste linker blok van $p(H)$ de $\tilde{M}^{-1}$.
• Dit maakt het mogelijk om de backward-tijd evolutie stap te herstellen door de polynoomtransformatie toe te passen op een geëmbedde input-toestand $\begin{pmatrix} V^n \\ 0 \end{pmatrix}$ en het onderste deel van de resulterende vector te extraheren.

C. Spectrale Schaling en GQSP Implementatie

• Schaling: De matrix $H$ wordt geschaald met een factor $\gamma = \max |\lambda_i(H)|$ om $A = H/\gamma$ te definiëren, zodat het spectrum binnen $[-1, 1]$ valt. Het spectrum is symmetrisch rond nul en ligt in $[-1, -\delta] \cup [\delta, 1]$, waarbij $\delta$ wordt bepaald door de conditiegetal van $\tilde{M}$.
• GQSP: De geschaalde Hermitische matrix $A$ wordt geëmbed in een unitaire operator $U = A + i\sqrt{I-A^2}$. Het GQSP-algoritme wordt vervolgens gebruikt om de oneven polynoomtransformatie $p(A)$ op $U$ te implementeren.
• Output: Het quantum circuit geeft een toestand uit waarbij het onderste register de benaderde oplossing $V^{n+1} = \tilde{M}^{-1}V^n$ bevat.

3. Belangrijkste Bijdragen

• Extensie naar 2D: Het artikel breidt het Hermitische-GQSP raamwerk uit van één-dimensionale naar twee-dimensionale Black–Scholes vergelijkingen, waarbij de structurele obstructie wordt overwonnen die het gebruik van diagonale gelijkenis-transformaties in hogere dimensies verhindert.
• Block-Embedding-vrije Benadering: De auteurs demonstreren een methode om het inverse probleem voor niet-Hermitische matrices op te lossen met GQSP zonder de zware overhead van standaard block-encoding technieken, door gebruik te maken van een specifieke Hermitische dilatatie en oneven polynoomstructuur.
• Proof of Principle: Het werk levert een bewijs van principe dat moderne quantum lineaire algebra-technieken kunnen worden toegepast op multidimensionale optieprijsberekeningen.

4. Numerieke Resultaten

De auteurs voerden numerieke simulaties uit voor twee-asset Europese basket call-opties met behulp van Python en PennyLane.

• Setup: Er werden twee simulaties uitgevoerd met variërende financiële parameters (volatiliteit, correlatie, uitoefenprijs, etc.) en roostergroottes ($32 \times 32$ roosterpunten, geëmbed in $2048$ dimensies).
• Vergelijking: De GQSP-gebaseerde oplossingen werden gebenchmarkt tegen:
  1. Een klassieke backward Euler eindverschillenmethode.
  2. Een klassieke polynoom-approximatie toegepast direct op de gehermitiseerde matrix.
• Bevindingen:
  • De GQSP-oplossingen vertoonden een nauwe overeenkomst met zowel de klassieke polynoom-approximatie als de backward Euler benchmark.
  • De resultaten bevestigden dat de Hermitische blok-embedding de dynamica van de oorspronkelijke niet-Hermitische operator accuraat vastlegt.
  • Foutbronnen: De analyse identificeerde twee primaire foutbronnen:
    1. Polynoom-approximatiefout: Afhankelijk van de spectrale kloof $\delta$. In de tweede simulatie leidde een grotere spectrale kloof tot lagere benaderingsfouten.
    2. Discretisatiefout: Vanwege de noodzaak om een enkele grote tijdstap te gebruiken (aangezien de methode is geïmplementeerd als een single-step solver), was de discretisatiefout aanzienlijk (tot \approx \0,09$ in de eerste simulatie en $\approx 60\%$ groter in de tweede). Deze fout is inherent aan de klassieke benchmark eveneens.
  • Ruis: De quantumsimulatie vertoonde een ruisvloer (geobserveerd rond $10^{-2}$ in de tweede simulatie), die niet aanwezig was in de klassieke polynoom-approximatie.

5. Betekenis en Claims

Het artikel claimt dat de voorgestelde methode de haalbaarheid aantoont van het combineren van Hermitische blok-embeddings met GQSP voor het oplossen van multidimensionale Black–Scholes problemen.

• Bescheiden Omvang: De auteurs geven expliciet aan dat de huidige implementatie een "single-step inverse solver" is. Zij claimen nog geen volledige quantum advantage, waarbij zij opmerken dat de methode wordt beperkt door de noodzaak voor hogere-graads polynomen wanneer de spectrale kloof klein is, en door de discretisatiefouten van grote tijdstappen.
• Toekomstig Potentieel: De betekenis ligt in het bieden van een pad naar quantum algoritmen voor multi-asset derivaten waar klassieke computers geconfronteerd worden met de "vloek van dimensionaliteit". De auteurs suggereren dat de echte potentie voor quantum advantage kan ontstaan in 3+ dimensies, waar klassieke eindverschillenmethoden computationeel onhandelbaar worden.
• Beperkingen: Het artikel erkent dat toekomstig werk vereist is om efficiënte multi-step tijd-evolutie schema's te ontwikkelen, de ruisvloer te verlagen en discretisatiefouten te minimaliseren door betere roosterstrategieën of multi-step GQSP implementaties.

Samenvattend legt dit artikel de theoretische en numerieke basis voor het toepassen van GQSP op 2D optieprijsberekening door de introductie van een Hermitische blok-embedding die de noodzaak voor diagonale gelijkenis-transformaties omzeilt, wat een levensvatbare route biedt naar quantum algoritmen voor hoog-dimensionale financiële derivaten.