Cerrar panel

Cerrar panel

Cerrar panel

Cerrar panel

Innovación Act. 21 jul 2022

Así se podrán mejorar las inversiones financieras con computación cuántica

Tradicionalmente, el mundo financiero ha estado estrechamente vinculado a modelos matemáticos que permitan predecir y modelar el comportamiento de los activos financieros. BBVA participa en el proyecto interdisciplinario CUCO, en el que estudia cómo utilizar la computación cuántica para responder a los retos que presentan las tareas de mayor complejidad, como la optimización de carteras de inversión o la simulación de variables financieras.

El potencial de la computación cuántica para optimizar carteras de inversión
Jorge Luis Hita (Investigador en Computación Cuántica en BBVA)

Desde que existen los productos financieros, predecir y modelar su comportamiento ha sido objeto de gran interés en nuestra sociedad. En el año 1900, Louis Bachelier propuso en su tesis doctoral que los activos financieros se podían entender con las matemáticas de un movimiento aleatorio. Desde entonces, el mundo financiero ha estado estrechamente vinculado a modelos matemáticos que permitan obtener mejores y más robustos resultados. Hacia 1950, Harry Markowitz desarrolló la llamada Teoría Moderna de Portfolio donde, por primera vez, se entendía que hacía falta limitar el riesgo de una cartera de inversión. En la década de 1970 se empezaron a utilizar los derivados financieros, tradicionalmente ligados a los productos de la agricultura, para proteger a las inversiones de fenómenos inesperados. Todo ello se pudo ir adoptando a gran escala gracias a los ordenadores, que habían surgido hacia mediados del siglo. Con ellos era posible resolver problemas que habrían sido intratables usando lápiz y papel.

Pero los ordenadores no conseguirían aliviar completamente el reto de resolver problemas complejos, algunos llegan a ser realmente difíciles de resolver cuando se aumenta su tamaño. Pongamos un ejemplo:  Encontrar los cuatro activos que mejor replican un índice como el IBEX 35 puede ser una tarea relativamente sencilla, mientras que encontrar los veinte activos que mejor replican un índice como el SP500 es, por la enorme magnitud de posibilidades, un problema imposible de resolver. En estos casos no podemos obtener la solución, sino aproximaciones que pueden no ser lo suficientemente buenas.

La computación cuántica jugaría aquí su papel. En 1981, el físico Richard Feynman propuso que un ordenador basado en las características teóricas de la mecánica cuántica podría resolver problemas de alta complejidad. Esta idea quedó en el ámbito de la investigación fundamental hasta que Peter Shor publicó en 1994 un algoritmo cuántico que, de ser aplicado en ordenadores cuánticos lo suficientemente eficientes, podría resolver fácilmente uno de los retos más difíciles conocidos: la factorización en números primos. Esto impulsó, hasta el día de hoy, el desarrollo de algoritmos cuánticos para su aplicación en diversos campos, como la química, la logística, la criptografía y el ámbito financiero.

“BBVA explora el potencial de la computación cuántica para agrupar los activos de una cartera de inversión y para reordenarlos de la forma adecuada”.

Como parte de este esfuerzo científico y tecnológico, BBVA participa en el proyecto CUCO. En él, siete empresas de diversos sectores y varios Organismos Públicos de Investigación, como el CSIC, Tecnalia y Barcelona Supercomputing Center, tienen como objetivo el desarrollo de casos de uso donde la computación cuántica pueda ofrecer soluciones a problemas hasta ahora extremadamente complejos o directamente irresolubles.

El potencial de la computación cuántica para optimizar carteras de inversión

Dentro de este proyecto, BBVA considera varios posibles casos de uso vinculados con el mundo bancario y financiero. Uno de ellos es un algoritmo que busca agrupar los activos de una cartera de inversión. Estos activos pueden ser, por ejemplo, acciones de distintas empresas, divisas, bonos de gobiernos o de empresas o materias primas. Poder agrupar estos activos en base a su comportamiento nos permite reducir la complejidad de la optimización de la cartera de inversión, con lo que podemos encontrar soluciones más robustas. Por un lado, trabajamos en la definición matemática del problema, estudiando distintas codificaciones con las que aprovechar mejor los limitados computadores cuánticos actuales. Por otro lado, experimentamos su implementación en distintas tecnologías cuánticas, como los ordenadores de puertas cuánticas, los llamados  ‘quantum annealers’, o por métodos clásicos de inspiración cuántica.

Otro de los casos de uso utiliza una adaptación de este método de agrupamiento para reordenar los activos de una cartera de la forma adecuada. Este reordenamiento puede servir para encontrar inversiones con menos riesgo. La versión clásica original del algoritmo y su versión cuántica, el algoritmo Quantum Hierarchical Risk Parity, se propusieron en 2016. Desafortunadamente, esta primera versión tiene un alto requerimiento de ‘hardware’ que los ordenadores cuánticos actuales no pueden satisfacer. Por esta razón parte de nuestros esfuerzos se centran en diseñar nuevas metodologías que nos permitan encontrar soluciones a este problema con menos requerimientos. Con ello, podremos construir tipos diferentes de inversiones que puedan adaptarse mejor a instituciones o clientes con necesidades específicas.

Un reto común

Esther Villar Rodríguez y Guillermo Gil Aguirrebeitia (Tecnalia)
La denominada segunda revolución cuántica está enfocada en explotar los enormes avances que se han logrado en los últimos años en la capacidad de manipular la materia a nivel cuántico. Estos avances están impulsando rápidos desarrollos en el campo de la computación cuántica que tendrán un enorme impacto para la inteligencia artificial, entendiendo bajo este paraguas genérico las tecnologías de computación para resolver problemas de todo tipo relacionados con la percepción, interacción, comprensión, simulación, predicción, recomendación, optimización… Y la inteligencia artificial es la tecnología clave de la transformación digital. Las capacidades de la IA para modelar, inferir, decidir y actuar permitirán orquestar eficientemente la movilidad autónoma, ajustar exactamente la producción de energía al consumo instantáneo, sincronizar perfectamente las cadenas logísticas a las necesidades de producción y suministro, adecuar la producción alimentaria a la demanda y optimizar muchos otros procesos con impacto social, económico y medioambiental.

El potencial de la computación cuántica para optimizar carteras de inversión

Para estar preparados cuando se desplieguen plenamente todas estas tecnologías es preciso crear las capacidades ahora. Las organizaciones van a necesitar desarrollar una combinación de talento singular y complejo para crear aplicaciones con impacto. La combinación de disciplinas de conocimiento y aplicación que se requiere en este nuevo campo es muy difícil de generar y copiar, y necesita un tiempo de consolidación sostenido.

El proyecto CUCO, dentro del Programa Misiones del CDTI, está contribuyendo a crear una plataforma colaborativa de capacidades punteras en computación cuántica que sirve para acelerar el despliegue de aplicaciones con impacto sostenible en las industrias estratégicas en España.

El proyecto CUCO contribuirá a la generación de un ecosistema singular en la materia en España.

Para lograr este objetivo general, el proyecto se articula en torno a las siguientes cuatro claves:

  1. Enfoque a la creación de un portafolio de casos de negocio complementarios y con sentido. Las limitaciones actuales de las plataformas de computación cuántica condicionan la generación de soluciones prácticas desde el punto de vista comercial. Por ello, se han seleccionado casos de negocio complementarios y relevantes orientados a problemas de múltiples sectores que puedan escalar en complejidad. Así, a medida que el ‘hardware’ evolucione, las soluciones algorítmicas nativas en tecnologías cuánticas desarrolladas en el proyecto podrán escalar fácilmente y dar respuesta a la complejidad completa de los problemas abordados.
  2. Desarrollo de tecnología nativa en computación cuántica para el tipo de problemas de los casos de negocio. Se aborda la generación de tecnología propia en aproximaciones de codificación de datos y algorítmicas para los problemas de los casos de negocio: optimización, aprendizaje máquina y simulación, tanto nativa cuántica como híbrida y de inspiración cuántica.
  3. Fortalecimiento de una comunidad especializada y abierta en la conceptualización, identificación y desarrollo de soluciones integrales. La densa interacción de los equipos de empresas y Organismos Públicos de Investigación participantes, o la colaboración con otras entidades en un esquema abierto, es una forma de acelerar el aprendizaje y de fortalecer un ecosistema orientado a aplicaciones de cuántica con impacto en el tejido industrial.
  4. Contribución a cerrar la brecha de mercado. El éxito en el mercado de las aplicaciones, productos y servicios derivados de las tecnologías de computación cuántica requiere de la creación de ecosistemas compactos que ayuden al ensamblaje de la oferta y la demanda de soluciones específicas en estas tecnologías. El proyecto se orienta precisamente a dominios donde la demanda potencial de este tipo de soluciones tiene fortalezas: cadenas de valor más compactas, mayor número de agentes en la cadena de valor de aplicación, mejor posición competitiva, acceso directo a agentes tractores globales, capacidad de influencia en aspectos normativos y estandarización, políticas asociadas, etc. Se espera así contribuir a reducir la brecha de mercado desde las primeras etapas.

Estratégicamente, al final del proyecto se habrán desarrollado las primeras capacidades con masa crítica para el desarrollo de soluciones de computación cuántica contribuyendo a la generación de un ecosistema singular en la materia en España.

'Podcast': Proyecto CUCO: cómo aplicar los beneficios de la computación cuántica a energía, finanzas o defensa

00:00 08:02