Leveraging Quantum Uncertainty for Modeling Financial Volatility via Quantum Reservoir Computing

De wereld van de financiën is een rusteloos, verschuivend landschap. Prijzen bewegen niet in rechte lijnen; ze stijgen, stagneren en spiralen in patronen die vaak te complex zijn voor traditionele wiskunde om te vatten. Decennialang hebben economen en datawetenschappers geprobeerd modellen te bouwen die deze bewegingen kunnen voorspellen, waarbij ze de markt behandelen als een machine met tandwielen die begrepen en gedraaid kunnen worden. Toch gedraagt de markt zich vaker als een levend systeem dan als een machine, reagerend op nieuws, angst en hoop op manieren die eenvoudige regels tarten. Om dit aan te pakken, is er vanuit de grenzen van de fysica een nieuwe benadering ontstaan: quantum computing. In tegenstelling tot de computers in onze zakken, die informatie verwerken als een reeks definitieve enen en nullen, maken quantumcomputers gebruik van de vreemde wetten van de subatomaire wereld. Ze kunnen informatie vasthouden in een staat van "superpositie", waarbij een enkele eenheid van data tegelijkertijd in meerdere mogelijkheden bestaat, en ze kunnen afzonderlijke eenheden aan elkaar koppelen via "verstrengeling" (entanglement), waardoor een verbinding ontstaat die de beperkingen van gewone afstand tart. Deze eigenschappen bieden een nieuwe manier om naar onzekerheid te kijken, niet als een probleem dat moet worden opgelost, maar als een kenmerk dat kan worden gebruikt.

Een team onderzoekers aan de Lancaster University heeft deze concepten genomen en toegepast op de chaotische wereld van de aandelenmarkten. Ze ontwikkelden een nieuw systeem genaamd het Entangled Quantum Coherent Reservoir Network, of eQCRN, ontworpen om financiële volatiliteit te modelleren door de onzekerheid te omarmen die markten zo moeilijk voorspelbaar maakt. In plaats van te proberen marktdata in een rigide, klassiek kader te dwingen, gebruikt dit systeem een netwerk van quantumcircuits die evolueren en veranderen als reactie op de data, vergelijkbaar met een vloeistof die zich aanpast aan de vorm van zijn container. De onderzoekers testten dit systeem tegen dertig verschillende aandelen uit belangrijke wereldwijde indices, waaronder de technologie-zware NASDAQ, de bredere S&P 500 en de Britse FTSE 100. Hun doel was om te zien of de unieke eigenschappen van quantummechanica patronen in prijsbewegingen konden opmerken die klassieke computers missen.

De resultaten van hun studie, uitgevoerd via gedetailleerde computersimulaties, suggereren dat de quantumbenadering inderdaad een voordeel biedt, maar alleen onder specifieke omstandigheden. Wanneer de onderzoekers hun systeem toepasten op zeer volatiele technologieaandelen, presteerde het quantummodel consequent beter dan de beste klassieke modellen, met een nauwkeurigheid van 60,4% voor hoogvolatiele technologieaandelen tegenover 58,2% voor de beste klassieke modellen. Opvallende voorbeelden zijn Apple (AAPL), dat een nauwkeurigheid van 60,4% bereikte vergeleken met 57,1% voor het beste klassieke model, evenals NVIDIA en Tesla, die vergelijkbare winsten lieten zien. Dit voordeel was het meest uitgesproken in markten die worden gekenmerkt door snelle, onvoorspelbare schommelingen en complexe afhankelijkheden tussen verschillende factoren. Het systeem leek bijzonder bekwaam in het navigeren door de turbulente wateren van de NASDAQ, waar sentiment en innovatiecycli prijzen op niet-lineaire wijze aansturen.

De studie onthulde echter ook dat dit quantumvoordeel geen universele oplossing is. Wanneer de onderzoekers hetzelfde systeem testten op de FTSE 100, een groep aandelen gedomineerd door stabiele, grote bedrijven met voorspelbare dividendbeleids en macro-economische drijfveren, presteerden de klassieke modellen beter. In deze kalmere, meer geordende markten vond de complexe quantummachinerie niet de extra patronen die het nodig had om een voordeel te behalen. Dit onderscheid is cruciaal: het quantum systeem blinkt uit wanneer de data ruizig, chaotisch en vol verborgen correlaties is, maar het biedt weinig voordeel wanneer de markt zich in vloeiende, voorspelbare trends beweegt. De onderzoekers vonden dat het quantumvoordeel niet slechts een toevalstreffer was; statistische tests bevestigden dat de verbeteringen significant waren voor twaalf van de dertig aandelen, waarvan er acht technologiebedrijven waren.

Om te begrijpen waarom dit werkt, moet men kijken naar hoe het systeem is opgebouwd. De onderzoekers draaiden niet simpelweg een standaardalgoritme op een quantumcomputer. In plaats daarvan creëerden ze een netwerk van meerdere "reservoirs", wat in essentie vaste, willekeurig verbonden quantumcircuits zijn die informatie verwerken zonder dat ze volledig getraind hoeven te worden. Elk reservoir in hun netwerk was geconfigureerd met een verschillend patroon van verstrengeling, waardoor de interne onderdelen op unieke wijze aan elkaar werden gekoppeld. Dit stelde het systeem in staat om gelijktijdig veel verschillende regio's van mogelijkheid te verkennen. Wanneer data het systeem binnenkwam, werd deze gecodeerd in de quantumtoestanden, en de verstrengelde verbindingen stelden het systeem in staat om relaties tussen verschillende tijdspunten vast te leggen die klassieke computers moeilijk kunnen zien. De onderzoekers ontdekten dat de beste prestaties voortkwamen uit het gebruik van tussen de zes en acht quantumunits, of qubits, en het parallel draaien van tien tot twaalf van deze reservoirs. Te weinig eenheden misten de complexiteit om de nuance van de markt te vangen, terwijl te veel eenheden te veel ruis introduceerden, waardoor het systeem de weg kwijtraakte.

Het team ontdekte ook dat het systeem kan aanpassen aan veranderende marktomstandigheden. Ze bouwden een versie van het netwerk die zijn interne verbindingen kon wijzigen op basis van de vraag of de markt kalm, matig actief of zeer volatiel was. In tijden van hoge volatiliteit zou het systeem een dicht, sterk verbonden netwerk inzetten om de snelle, complexe verschuivingen te vangen. In kalmere tijden zou het overschakelen naar een minder dicht, eenvoudiger configuratie. Deze adaptieve capaciteit stelde het systeem in staat om de nauwkeurigheid op volatiele aandelen zoals Tesla met bijna twee procentpunten te verbeteren ten opzichte van een vast systeem. Het vermogen om zichzelf te herconfigureren in reactie op de data suggereert dat quantumsystemen uniek geschikt kunnen zijn voor omgevingen die snel veranderen, een veelvoorkomend kenmerk van moderne financiële markten.

Ondanks deze veelbelovende resultaten zijn de onderzoekers voorzichtig in het kaderen van hun bevindingen binnen de huidige technologische grenzen. De gehele studie werd uitgevoerd met simulaties van quantumcomputers, niet op fysieke hardware. Hoewel de simulaties aantoonden dat het systeem realistische niveaus van ruis en fouten kon verwerken, moet de werkelijke prestatie op echte quantumapparaten nog bewezen worden. De studie geeft aan dat het systeem robuust genoeg is om te werken op de quantumcomputers die vandaag de dag beschikbaar zijn, mits deze over hoogwaardige meetmogelijkheden beschikken, maar het beweert niet het probleem van aandelenvoorspelling te hebben opgelost. De auteurs benadrukken dat dit een stap is naar praktische quantum-ondersteunde leerprocessen, en geen definitieve demonstratie van een quantumvoordeel dat overal werkt.

De implicaties van dit werk reiken verder dan alleen het verdienen van geld met aandelen. De studie suggereert dat quantum computing het meest waardevol kan zijn voor het modelleren van complexe, niet-stationaire systemen — die hun regels in de loop van de tijd veranderen en chaotisch gedrag vertonen. Dit kan velden omvatten zoals klimaatmodellering, biologische systemen en sociale netwerkdynamiek, waarbij de interacties tussen onderdelen te ingewikkeld zijn voor klassieke modellen om ze volledig te vatten. Voor de financiële sector is de bevinding dat quantummethoden geen wondermiddel zijn voor alle marktomstandigheden, maar een gespecialiseerd instrument dat uitblinkt in de meest moeilijke, hoogvolatiele omgevingen. Het onderzoek wijst op een toekomst waarin quantum- en klassieke computers samenwerken, waarbij de quantumzijde de meest complexe, onzekere delen van de data afhandelt terwijl de klassieke zijde de rest beheert.

Naarmate de technologie volwassen wordt, zien de onderzoekers een pad voorwaarts waarbij deze hybride systemen standaardinstrumenten worden voor het analyseren van complexe temporele data. De studie biedt een praktisch kader voor hoe deze systemen te bouwen, waarbij het optimale aantal componenten en de beste manieren om ze te configureren worden geïdentificeerd. Het benadrukt ook het belang van ruisresistentie, door aan te tonen dat zelfs imperfecte quantumapparaten bruikbare resultaten kunnen leveren als ze correct zijn ontworpen. Hoewel de reis van simulatie naar praktische toepassing aanzienlijke uitdagingen met zich meebrengt, waaronder de noodzaak voor stabielere hardware en betere integratie met bestaande financiële infrastructuur, bieden de resultaten een boeiend vooruitzicht op een nieuwe manier om onzekerheid te begrijpen. Door gebruik te maken van de fundamentele vreemdheid van de quantumwereld, hebben de onderzoekers aangetoond dat het mogelijk is om orde te vinden in de chaos van de markt, al is het maar voor even, en in specifieke, hoogwaardige hoeken van de financiële wereld.