Toward Quantum Monte Carlo for Sovereign Debt Risk: A proof of concept

In de hooggespannen wereld van de wereldwijde financiën lopen overheden voortdurend een evenwichtsoefening tussen het lenen van geld om hun naties op te bouwen en het risico om te veel te lenen om het ooit nog terug te kunnen betalen. Economen houden een specifieke waarde nauwlettend in de gaten: de ratio van de totale schuld van een land ten opzien van de omvang van zijn economie. Als dit getal te hoog klimt, kan dat een crisis signaleren, wat leidt tot verlies van spaargeld, economische stagnatie of zelfs een instorting van het vertrouwen. Het voorspellen of deze ratio in de toekomst een gevaarlijke grens zal overschrijden is ongelooflijk moeilijk, omdat de toekomst vol verrassingen zit. Rentetarieven kunnen pieken, economische groei kan stagneren, of onverwachte politieke gebeurtenissen kunnen de markten doen schudden. Om deze onzekerheid te beheersen, draaien analisten traditioneel duizenden computersimulaties, waarbij ze in essentie miljoenen keren digitale dobbelstenen gooien om te zien hoe vaak de schuldenratio een veiligheidsdrempel zou kunnen schenden. Echter, deze methode is traag; om een zeer precies antwoord te krijgen, moet de computer een enorm aantal van deze simulaties uitvoeren, en de benodigde tijd groeit snel naarmate de gewenste nauwkeurigheid toeneemt.

Onlangs heeft een nieuw type computer, dat gebruikmaakt van de vreemde regels van de kwantumfysica, beloofd dit soort problemen veel sneller op te lossen. In plaats van mogelijkheden één voor één te controleren, kunnen deze machines veel mogelijkheden tegelijkertijd verkennen en een specifieke wiskundige truc gebruiken om het juiste antwoord te versterken terwijl de foute antwoorden worden uitgewerkt. Deze techniek, bekend als kwantumamplitude-schatting (quantum amplitude estimation), stelt onderzoekers theoretisch in staat om de waarschijnlijkheid van een zeldzame gebeurtenis te vinden met veel minder stappen dan een standaardcomputer nodig heeft. Hoewel dit klinkt als een oplossing voor elk financieel voorspellingsprobleem, is de realiteit van het bouwen van deze machines complex. Ze zijn momenteel fragiel, foutgevoelig en moeilijk te programmeren. De grote vraag blijft: kunnen we daadwerkelijk een werkende pijplijn bouwen die een economisch model uit de echte wereld neemt, dit vertaalt naar een kwantumtaal en een betrouwbaar antwoord krijgt voordat de machine een fout maakt?

Een team van onderzoekers van de Universiteit van Quebec in Trois-Rivières heeft een zorgvuldige, stapsgewijze aanpak gehanteerd om deze vraag te beantwoorden. Ze probeerden niet onmiddellijk een massaal, onoplosbaar probleem op te lossen. In plaats daarvan bouwden ze een proof-of-concept pijplijn om de volledige workflow te testen op een vereenvoudigde versie van een model voor staatsschuld. Hun doel was niet om te bewijzen dat kwantumcomputers al beter zijn dan klassieke computers voor deze specifieke taak, maar om aan te tonen dat de weg van een financiële theorie naar een kwantumcircuit mogelijk is en dat de uiteindelijke cijfers kloppen. Ze construeerden een digitaal model waarbij de schuld van een land over twintig jaar evolueert, beïnvloed door twee belangrijke willekeurige factoren: de groei van de economie en de kosten van het lenen van geld. Ze vereenvoudigden de wiskunde net genoeg zodat ze het exacte antwoord met traditionele methoden konden berekenen, wat diende als een perfect referentiepunt om hun kwantumwerk tegen te controleren.

De onderzoekers vertaalden deze vereenvoudigde modellen vervolgens naar een taal die een kwantumcomputer kon begrijpen. Ze verdeelden de mogelijke toekomstige scenario's in een rooster van punten, die verschillende combinaties van economische groei en rentetarieven vertegenwoordigen. Ze laadden deze mogelijkheden in de kwantummachine, waardoor een toestand ontstond waarin elk scenario simultaan bestond. Vervolgens bouwden ze een digitaal circuit dat fungeerde als een gewogen rekenmachine, die de effecten van deze factoren optelt om de uiteindelijke schuldenratio voor elk scenario te bepalen. Een laatste onderdeel van het circuit fungeerde als een poortwachter, die elk scenario markeerde waar de schuldenratio een kritieke veiligheidsdrempel van 95 procent overschreed. De machine gebruikte vervolgens een reeks operaties om het signaal van deze "gemarkeerde" scenario's te versterken, waardoor ze gemakkelijker te detecteren waren. Ten slotte gebruikten ze een statistische methode genaamd maximum likelihood amplitude estimation om te tellen hoe vaak deze gemarkeerde scenario's voorkwamen, waarmee effectief de waarschijnlijkheid van een schuldencrisis werd gemeten.

Toen het team hun simulaties draaide op een perfecte, ruisvrije versie van een kwantumcomputer, waren de resultaten opvallend accuraat. De kwantumpijplijn schatte de waarschijnlijkheid dat de schuldenratio de drempel zou overschrijden op ongeveer 8,18 procent. Dit kwam bijna exact overeen met de waarde waarvoor het circuit was ontworpen, en het lag zeer dicht bij het exacte antwoord dat met traditionele wiskunde werd berekend. De onderzoekers observeerden dat naarmate ze het aantal keren dat de machine de kernberekening uitvoerde verhoogden, de fout in hun schatting sneller daalde dan de standaard klassieke snelheid, hoewel de aangepaste schaleringshelling van -0,85 tussen de klassieke en de ideale kwantumrates in lag. In hun tests waren de resultaten consistent met het verwachte kwadratische schaalvoordeel, maar de auteurs merken expliciet op dat het experiment het kwadratische schaalvoordeel niet definitief heeft aangetoond.

De auteurs leggen echter zorgvuldig uit wat dit succes wel en niet betekent. Het probleem dat zij oplosten was doelbewust eenvoudig. Omdat het model lineair was en de onzekerheden perfect vloeiend waren, had een standaardcomputer het onmiddellijk kunnen oplossen met een gesloten vorm-formule, waardoor de kwantuminspanning overbodig was voor dit specifieke geval. Bovendien was de gebeurtenis die ze voorspelden niet echt zeldzaam; een kans van 8 procent is gebruikelijk genoeg om geen "black swan"-ramp te vertegenwoordigen waar kwantumversnellingen het meest nodig zijn. De studie vertrouwde ook op een simulator, niet op een fysieke kwantummachine, wat betekende dat het geen rekening hoefde te houden met de echte ruis en fouten die momenteel experimentele hardware teisteren. De onderzoekers verklaren expliciet dat hun werk een demonstratie is van de workflow, en geen overwinningstocht voor de kwantumfinanciën. Ze erkennen dat voor deze aanpak werkelijk nuttig te worden, de modellen complexer moeten zijn, met niet-lineaire dynamiek en meerdere risicofactoren die niet met eenvoudige formules kunnen worden opgelost.

Het team benadrukte ook de hindernissen die nog overwonnen moeten worden voordat deze technologie gebruikt kan worden bij de echte beleidsvorming. De kwantumcircuits die zij bouwden zijn momenteel te diep en complex om op de huidige ruisgevoelige apparaten zonder fouten te draaien. De "oracle", of het deel van het programma dat de financiële regels codeert, is goedkoop te simuleren, maar zou duur zijn om op echte hardware te bouwen. Daarnaast waren de klassieke methoden die in deze studie voor vergelijking werden gebruikt, basis; meer geavanceerde traditionele technieken zouden nog steeds de kwantumbenadering kunnen overtreffen voor deze specifieke soorten problemen. De onderzoekers concluderen dat hoewel hun pijplijn werkt en de wiskunde standhoudt in een perfecte simulatie, de weg naar een praktisch voordeel aanzienlijke vooruitgang vereist in hardware en een beweging naar complexere, realistischere economische modellen waar traditionele computers tegen grenzen aanlopen. Dit werk dient als een solide blauwdruk, die laat zien dat de brug tussen economische theorie en kwantumberekening gebouwd kan worden, ook al is de weg eroverheen nog volop in aanbouw.