Los CIO del sector financiero están preparados para la computación cuántica

Si hay un sector en el que las TI son omnipresentes es el de los servicios financieros. En estas empresas surgen regularmente problemas de optimización, en los que es necesario ajustar con precisión toda una serie de variables, especialmente cuando se trata de productos financieros altamente sofisticados, como los desarrollados mediante análisis cuantitativos.

Esta necesidad de modelización matemática compleja y a gran escala convierte al sector financiero en un candidato perfecto para abordar la computación cuántica, que permite realizar cálculos con extrema rapidez, incluidos los más complejos, y proporcionar resultados en pocos minutos u horas, donde un ordenador clásico, incluso uno muy potente, necesitaría semanas o meses.

Más allá de la velocidad, es la capacidad de la computación cuántica de proporcionar conocimientos precisos en plazos razonables para una actividad económica lo que la hace especialmente valiosa, explica Benno Broer, director comercial de la start-up francesa Pasqal, especializada en el tema. “Tomemos el ejemplo de fijar el precio de algo, lo que debería hacerse con la mayor precisión posible, en el plazo de una hora. Con un ordenador tradicional tardaríamos dos semanas y se perdería la oportunidad”, explica el directivo.

Maximizar la rentabilidad, minimizar los riesgos

Una mejor informática es una de las razones que impulsó a un equipo mixto de ingenieros y analistas financieros de la empresa de servicios financieros de Nueva York, Ally Financial, a recurrir a la tecnología cuántica. Se centraron en los fondos cotizados en bolsa (ETF), que incluyen cientos de miles de acciones que producen un determinado rendimiento durante un período de tiempo. El principio es el siguiente: incluso si algunos elementos individuales tienen un rendimiento inferior, los demás respaldan el resultado final, lo que da como resultado un rendimiento relativamente predecible durante un período de tiempo determinado. Pero gestionar y manipular tantas partes constituyentes sigue siendo un desafío: "Nos enfrentamos a una gran variabilidad en el desempeño de las acciones, muchas compras y ventas y costos de transacción relacionados", dice Sathish Muthukrishnan, CIO, director de datos y digital de Ally.

El CIO y el equipo de Ally buscaron ver si podían lograr rendimientos similares con un ETF con menos componentes. Para ello, exploraron el problema de optimización de las “restricciones de cardinalidad” y desarrollaron un enfoque híbrido, mezclando computación cuántica y clásica, maximizando los retornos y minimizando los riesgos. Su trabajo les valió el premio CIO 100 de EE. UU. de 2023 a la innovación y el liderazgo en TI.

El equipo de Ally utilizó un método llamado recocido cuántico que les ayudó a elegir algunas acciones. "Con este enfoque, se puede seleccionar un número menor de acciones con un rendimiento predictivo y costos operativos y de transacción más bajos, lo que en última instancia significa que se puede reducir la variabilidad y predecir los rendimientos con más precisión", explica Sathish Muthukrishnan. Utilizando capacidades cuánticas, el equipo de Ally pudo crear 50 escenarios distintos y probar los modelos. Tal rigor también resalta las fallas en los modelos utilizados para la TI tradicional y ayuda a las empresas a implementar bases más sólidas para su investigación de datos, observa el CIO.

Afronta cálculos complejos

El trabajo de Ally sobre los ETF es sólo un ejemplo de lo que podría suponer un cambio radical para la industria financiera, gracias a la potencia de la computación cuántica. Cirdan Capital, una empresa de inversión europea, es otro ejemplo de organización financiera que pone a funcionar la computación cuántica. Cirdan se asoció con la empresa de servicios Terra Quantum para abordar un desafío de TI que surgió en la gestión de sus soluciones de inversión. La asociación se centró en derivados exóticos, que enmascaran complejidades computacionales reales porque están representados por funciones matemáticas sin fórmulas cerradas.

“No hay ecuación [simple] lo que significa que X más Y es igual al valor del derivado”, resume Antonio de Negri, director general del grupo Cirdan. “Por tanto, debemos calcular nuestros productos derivados realizando miles y miles de simulaciones de Monte Carlo (método algorítmico destinado a calcular un valor numérico aproximado mediante técnicas probabilísticas, nota del editor)”. Con la informática tradicional de alto rendimiento (HPC), este proceso es tedioso y requiere mucho tiempo. Esto no ha impedido que entidades financieras como Cirdan sigan adelante realizando estos tediosos cálculos que son la única forma de ayudarles a comprender el riesgo de estos activos y gestionarlo de forma más eficaz.
Cirdan utilizó las mejores capacidades informáticas clásicas para abordar el problema, pero los cálculos siguieron siendo costosos y requerían mucho tiempo. Con un enfoque cuántico, Terra logró reducir el tiempo de cálculo en un 75% -de 10 a 2 minutos- manteniendo la misma precisión. Las próximas iteraciones deberían permitir ahorros aún mayores, estima Antonio de Negri.

El impacto de la cuántica en el aprendizaje automático

Puede que ocho minutos no parezcan mucho. Pero esto puede resultar en ganancias significativas. "Teniendo en cuenta el tamaño de la cartera o el tamaño de las apuestas que hacen las instituciones financieras, si se puede hacer un cálculo ligeramente mejor, incluso del 0,1%, o si se puede hacer más rápido que antes, esto ya representa una ganancia significativa". ”, dice Benno Broer, que recuerda los días en que trabajaba con modelos basados ​​en Excel para evaluar el riesgo de las carteras financieras. "Ejecutábamos nuestros modelos, presionamos 'ejecutar' y teníamos que esperar hasta la mañana con la esperanza de que los modelos no colapsaran de la noche a la mañana", recuerda. “Es bastante fácil toparse con las limitaciones de la informática tradicional si se tienen muchos datos, muchos activos diferentes con los que negociar o muchos clientes distintos a los que se concede un préstamo”, ilustra Benno Broer.

Los problemas de optimización como los que abordaron Ally y Cirdan se adaptan bien a la computación cuántica. Porque, en este ámbito, la informática tradicional no tiene los medios para proporcionar resultados significativos en un plazo de tiempo razonable. Pero la tecnología cuántica también promete hacer que el aprendizaje automático sea más eficiente, observa Vishal Shete, director general del Reino Unido y jefe de ventas de Terra Quantum AG. Debido a que los qubits, los componentes básicos de la cuántica, "pueden aprender con muchos menos datos y menos armonizados, son muy eficaces en el aprendizaje", señala. Esto significa que la tecnología cuántica puede abordar los desafíos del aprendizaje automático con menos restricciones que la HPC tradicional.

Encuentre el caso de uso que proporcione valor agregado

Nilesh Vaidya, vicepresidente ejecutivo de la consultora Capgemini, coincide: “la aplicación de técnicas de Machine Learning con la computación cuántica permite preparar mejor y más rápido los modelos. Hoy en día, se necesita algo de tiempo para crear e implementar modelos y visualizar los resultados, pero con la tecnología cuántica, partes de este proceso se pueden acelerar drásticamente. »

Además de los criterios de viabilidad técnica, Vishal Shete asesora a las empresas para seleccionar proyectos para los que una mejora, aunque sea mínima, puede aportar cierto valor empresarial o comercial. El interés de las partes interesadas en la tecnología también es esencial. "Si todos los demás factores están presentes, pero el líder empresarial con el que estás trabajando se resiste al cambio o no está dispuesto a cambiar, eso es un obstáculo", observa.

"Si comprendes las fortalezas y debilidades de la tecnología cuántica, podrás encontrar un buen nicho en cada área donde puedas agregar un valor significativo", dice Benno Broer. “Pero si crees que la tecnología puede añadir valor en todos los ámbitos, te decepcionarás. “Es como un martillo buscando un clavo: va a tomar mucho trabajo encontrar ese clavo, pero una vez que lo identificas, puedes comenzar”.

Asociaciones entre la industria y los proveedores cuánticos

Entonces, ¿cómo empezar con la cuántica? Si bien algunas instituciones financieras crean sus propios equipos dedicados desde el principio, muchas optan por asociarse con expertos en este campo. Para Markus Pflitsch, director general y fundador de Terra Quantum, "para los bancos y empresas de otros sectores es simplemente imposible crear capacidades cuánticas internamente, dada la escasez de cualificaciones". Además de proporcionar acceso a hardware específico para esta tecnología, empresas como Terra Quantum pueden ejecutar software cuántico en simuladores internos basados ​​en componentes HPC clásicos. Así es también como Cirdan resolvió su problema de derivados exóticos. Cuando las computadoras cuánticas vayan más allá de los dispositivos NISQ* actuales, Terra Quantum planea adaptar su tecnología a estas plataformas.

Vishal Shete (Terra Quantum) enfatiza que los especialistas cuánticos también pueden aplicar soluciones desarrolladas para finanzas a otros sectores. Por ejemplo, “el trabajo de simulación que hacemos sobre la fijación de precios de opciones tiene muchas similitudes con el trabajo de simulación molecular realizado en química”, observa. En otras palabras, una empresa especializada en cuántica podría hacer germinar ideas tomadas de un sector en otros sectores.

Predecir el comportamiento del cliente, modelar pérdidas crediticias

Uno de los desafíos del Machine Learning en el que Terra Quantum está trabajando actualmente es comprender a los clientes mediante modelos de predicción de series temporales: “se trata de predecir el comportamiento de los clientes, comprender cómo reaccionarán, encontrar la mejor agrupación de clientes, identificar las correlaciones más relevantes y sus asociaciones y, por tanto, en última instancia, determinar hacia qué productos deben orientarse los clientes”, resume Vishal Shete.

En finanzas, las predicciones de series temporales ayudan a comprender el comportamiento del mercado y evaluar la correlación entre diferentes tipos de activos. En el ámbito de la gestión de riesgos, la tecnología cuántica también puede utilizarse “para simulaciones de Montecarlo o para comprender las cuestiones de lucha contra el blanqueo o de cumplimiento que puedan surgir en su banco”, resume el director comercial de Terra Quantum.

Por su parte, Ally planea evaluar otros proyectos, incluido el modelado de pérdidas crediticias, para predecir el porcentaje de préstamos otorgados a clientes que probablemente generen pérdidas. Las pruebas de conceptos que Ally ha realizado hasta ahora sobre lo cuántico constituyen su prueba, la preparación para el momento en que lo cuántico esté listo para la producción en masa. Para su CIO, director de datos y digital, Sathish Muthukrishnan, esta fase de preparación es esencial: “es como si estuvieras constantemente entrenando y haciendo tus sprints para estar listo cuando tenga lugar la verdadera carrera. No tienes que sentarte y esperar a que sucedan cosas: todo es cuestión de constancia, preparación y capacidad para estar a la altura de las circunstancias cuando sea el momento adecuado. »

*: NISQ (acrónimo de Noisy Intermediate Scale Quantum) designa máquinas de 50 a 100 qubits sin corrección de errores fiable, capaces, sin embargo, de realizar determinadas tareas más allá de las capacidades de los ordenadores clásicos.