复杂的分析、预测和优化计算是金融系统的显著特征。这些问题的规模之大，使得它们的计算复杂度即使对于当今的高性能计算机来说也极具挑战性。量子计算对金融行业的革命性影响，源于其“高维数据处理”与“非凸优化求解”的核心能力，这与传统金融模型的“线性简化假设”与“局部最优解依赖”形成根本性代差。
目前，高盛、摩根大通、汇丰银行等金融巨头都在争相投资量子计算，用于投资组合优化、风险最小化和复杂衍生品计算等应用，已经取得了不少亮眼成果。根据德勤（Deloitte）的一项研究，金融服务业在量子计算能力方面的支出预计将增长233倍；光子盒研究院预测，到2035年，量子计算在金融领域的应用规模有望达到613.7亿美元（约合人民币4441亿元）。
图：全球量子计算下游应用市场规模
来源：光子盒研究院
据光子盒研究院预测，未来5-10年量子计算将率先在组合优化、实时风险监控等场景实现商业化突破，为早期布局的金融机构创造15%-30%的决策效能提升。
2024年量子计算在金融领域的应用仍以实验验证与小规模试点为主，但已显露颠覆性潜力。其核心价值不仅是算力提升，更在于重构金融风险的认知与定价范式。
伟大的技术也会带来更大的威胁。在美国，如果一次量子攻击破坏了五大金融机构之一的联邦基金服务支付系统，将导致一连串的金融故障，影响美国国内生产总值达2.0-3.3万亿美元。
量子计算赋能投资组合优化：更高效、更精准
投资组合优化是一项明确的计算任务，用于在一组资产或金融工具中选择投资项目，它需要同时实现利润最大化和风险最小化——这意味着需要合理配置资产，实现收益与风险平衡，优化问题的复杂性可能带来极其复杂的计算问题。
例如，期权定价需要考虑利率、到期时间、波动率和基础资产价格等多个变量来确定期权的公允价值。传统方法只能提供估算值，可能无法充分考虑所有市场复杂性。而量子计算机更快的处理速度，可能使投资公司更有效地优化其投资组合。
2023年11月，高盛和AWS发布了一项针对投资组合优化量子算法的详细端到端评估，对相关量子算法进行了全面考量。量子算法能使投资决策更为高效精准，目前虽未明确算法具体优势及应用范围，但已引发金融和量子计算领域高度关注，有望推动量子技术在金融投资领域的进一步应用。
图：高盛与AWS的研究成果于2023年11月发表于《PRX Quantum》
助力支付系统节省资金
量子计算能够产生重大影响的另一个领域是支付系统。使用新技术进行支付结算可能会提高资金流动性。
一项实验在现实中证明了这些优势。该实验从加拿大的一个支付系统中抽取30天的样本进行支付交易执行，研究人员使用量子增强退火模型评估了每日流动性的潜在提升。研究结果表明，预计使用量子计算可节省大量资金，范围在2.3993亿加元至2.7570亿加元之间，这表明支付行业从量子技术中可以获得显著优势。
图：金融服务中的预期量子计算用例
来源：IBM
欺诈检测
在金融领域，欺诈行为隐蔽且复杂，传统检测手段常力不从心。量子计算则带来新希望，它强大的并行计算能力意味着在欺诈检测中可快速处理海量金融交易数据，通过量子算法精准识别出异常交易模式。比如，IBM改进了用于欺诈检测的机器学习，与仅有的经典模型的结果相比，错误的否定结果减少了5%。
2024年5月，汇丰银行（HSBC）的一项研究成果展示了量子技术在金融行业中的巨大应用潜力。研究利用英伟达的CUDA-Q平台和NVIDIA GPU，成功开发了一种先进的量子机器学习应用，能够识别数字支付中的欺诈活动，展示了量子技术处理大规模数据时的巨大潜力。
图：汇丰银行量子科学家分享张量网络模拟大规模实现量子机器学习模型
风险管理与资产定价：数分钟vs数千年
金融风险管理是指识别、评估和控制金融风险以降低损失可能性的过程。在复杂金融建模领域，量子计算可显著提升风险评估与资产定价效率。传统蒙特卡洛模拟需消耗大量算力，而量子算法通过并行计算能力，有望在数分钟内完成需经典计算机数千年的风险情景分析。
新加坡国立大学和麻省理工学院探讨了量子计算技术在金融衍生品定价中的应用，提出利用量子算法来高效地计算衍生品的鞅定价；高盛和QC Ware在蒙特卡罗模拟中的表现超越经典计算机，这是期权定价和风险管理中广泛使用的技术；法国农业信贷银行与Pasqal、Multiverse Computing合作，以与该银行的经典模型相同的精度和召回率来预测恶化的信用分数......
这些成果是在实验室环境下迈出的一小步，但它们清楚地指向了真正的商业用途。
图：可能受益于量子计算的金融服务活动
来源：IBM