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

No mundo de alto risco das finanças globais, os governos caminham constantemente sobre uma corda bamba entre tomar dinheiro emprestado para construir suas nações e o risco de tomar emprestado demais para nunca conseguir pagar de volta. Os economistas observam de perto um número específico: a razão entre a dívida total de um país e o tamanho de sua economia. Se esse número subir demais, pode sinalizar uma crise, levando à perda de poupanças, estagnação econômica ou até mesmo um colapso na confiança. Prever se essa razão cruzará uma linha perigosa no futuro é incrivelmente difícil porque o futuro é cheio de surpresas. As taxas de juros podem disparar, o crescimento econômico pode estagnar ou eventos políticos inesperados podem abalar os mercados. Para gerenciar essa incerteza, analistas tradicionalmente executam milhares de simulações de computador, essencialmente lançando dados digitais milhões de vezes para ver com que frequência a razão da dívida poderia violar um limite de segurança. No entanto, este método é lento; para obter uma resposta muito precisa, o computador deve executar um número enorme dessas simulações, e o tempo necessário cresce rapidamente à medida que a precisão desejada aumenta.

Recentemente, um novo tipo de computador, que utiliza as estranhas regras da física quântica, prometeu resolver esses tipos de problemas muito mais rápido. Em vez de verificar as possibilidades uma por uma, essas máquinas podem explorar muitas possibilidades ao mesmo tempo e usar um truque matemático específico para amplificar a resposta correta enquanto cancelam as erradas. Esta técnica, conhecida como estimativa de amplitude quântica, teoricamente permite que pesquisadores encontrem a probabilidade de um evento raro com muito menos etapas do que um computador padrão precisa. Embora isso pareça uma solução para todos os problemas de previsão financeira, a realidade de construir essas máquinas é complexa. Elas são atualmente frágeis, propensas a erros e difíceis de programar. A grande questão permanece: podemos realmente construir um pipeline funcional que pegue um modelo econômico do mundo real, o traduza para uma linguagem quântica e obtenha uma resposta confiável antes que a máquina cometa um erro?

Uma equipe de pesquisadores da Universidade de Quebec em Trois-Rivières adotou uma abordagem cuidadosa e passo a passo para responder a esta questão. Eles não tentaram resolver um problema massivo e insolúvel imediatamente. Em vez disso, construíram um pipeline de prova de conceito para testar todo o fluxo de trabalho em uma versão simplificada de um modelo de dívida soberana. O objetivo deles não era provar que os computadores quânticos já são melhores que os clássicos para esta tarefa específica, mas demonstrar que o caminho de uma teoria financeira para um circuito quântico é possível e que os números finais fazem sentido. Eles construíram um modelo digital onde a dívida de um país evolui ao longo de vinte anos, influenciada por dois principais fatores aleatórios: o crescimento da economia e o custo de tomar empréstimos. Eles simplificaram a matemática o suficiente para que pudessem calcular a resposta exata usando métodos tradicionais, o que serviu como um ponto de referência perfeito para verificar seu trabalho quântico.

Os pesquisadores então traduziram este modelo simplificado para uma linguagem que um computador quântico pudesse entender. Eles dividiram os cenários futuros possíveis em uma grade de pontos, representando diferentes combinações de crescimento econômico e taxas de juros. Eles carregaram essas possibilidades na máquina quântica, criando um estado onde cada cenário existia simultaneamente. Em seguida, construíram um circuito digital que agia como uma calculadora ponderada, somando os efeitos desses fatores para determinar a razão da dívida final para cada cenário. Uma parte final do circuito atuou como um porteiro, sinalizando qualquer cenário onde a razão da dívida excedesse um limite crítico de segurança de 95 por cento. A máquina então usou uma série de operações para amplificar o sinal desses cenários "sinalizados", tornando-os mais fáceis de detectar. Finalmente, eles usaram um método estatístico chamado estimativa de amplitude de máxima verossimilhança para contar com que frequência esses cenários sinalizados ocorriam, medindo efetivamente a probabilidade de uma crise de dívida.

Quando a equipe executou suas simulações em uma versão perfeita e sem ruído de um computador quântico, os resultados foram surpreendentemente precisos. O pipeline quântico estimou a probabilidade de a razão da dívida exceder o limite em aproximadamente 8,18 por cento. Isso coincidiu quase perfeitamente com o valor para o qual o circuito foi projetado e foi muito próximo da resposta exata calculada pela matemática tradicional. Os pesquisadores observaram que, à medida que aumentavam o número de vezes que a máquina realizava seu cálculo central, o erro em sua estimativa caía mais rápido do que a taxa clássica padrão, embora a inclinação de escala ajustada de -0,85 tenha ficado entre as taxas clássica e a ideal quântica. Em seus testes, os resultados foram consistentes com a antecipada vantagem de escala quadrática, mas os autores explicitamente observam que o experimento não demonstrou definitivamente essa melhoria assintótica.

No entanto, os autores são cuidadosos ao explicar o que este sucesso faz e não faz. O problema que resolveram foi deliberadamente simples. Como o modelo era linear e as incertezas eram perfeitamente suaves, um computador padrão poderia tê-lo resolvido instantaneamente usando uma fórmula de forma fechada, tornando o esforço quântico desnecessário para este caso específico. Além disso, o evento que estavam prevendo não era de fato raro; uma chance de 8 por cento é comum o suficiente para não representar o tipo de desastre "cisne negro" onde os ganhos de velocidade quântica são mais necessários. O estudo também dependeu de um simulador, não de uma máquina quântica física, o que significa que não enfrentou o ruído e os erros do mundo real que atualmente assolam o hardware experimental. Os pesquisadores declaram explicitamente que seu trabalho é uma demonstração do fluxo de trabalho, não uma celebração de vitória para as finanças quânticas. Eles reconhecem que, para esta abordagem se tornar verdadeiramente útil, os modelos precisam ser mais complexos, envolvendo dinâmicas não lineares e múltiplos fatores de risco que não podem ser resolvidos com fórmulas simples.

A equipe também destacou os obstáculos que permanecem antes que esta tecnologia possa ser usada na formulação de políticas do mundo real. Os circuitos quânticos que construíram são atualmente muito profundos e complexos para serem executados nos dispositivos ruidosos de hoje sem erros. O "oráculo", ou a parte do programa que codifica as regras financeiras, é barato de simular, mas seria caro de construir em hardware real. Adicionalmente, os métodos clássicos usados para comparação neste estudo foram básicos; técnicas tradicionais mais avançadas ainda poderiam superar a abordagem quântica para estes tipos específicos de problemas. Os pesquisadores concluem que, embora seu pipeline funcione e a matemática se sustente em uma simulação perfeita, o caminho para uma vantagem prática requer progresso substancial no hardware e uma transição para modelos econômicos mais complexos e realistas, onde os computadores tradicionais encontram um limite. Este trabalho serve como um blueprint sólido, mostrando que a ponte entre a teoria econômica e a computação quântica pode ser construída, mesmo que a estrada sobre ela ainda esteja em construção.