Los líderes financieros de TI se preparan para un futuro impulsado por la tecnología cuántica

Si hay una industria impregnada de computación, es el sector de servicios financieros. Los problemas de optimización, para los cuales se debe afinar y modular todo un conjunto de variables, afectan habitualmente a las empresas financieras, especialmente cuando se trata de productos financieros altamente diseñados, como los desarrollados a través del análisis cuantitativo.

Esa necesidad de modelos matemáticos complejos a escala convierte a la industria financiera en un candidato perfecto para la promesa de la computación cuántica, que hace que los cálculos sean (extremadamente) rápidos, incluidos los complejos, entregando resultados en minutos u horas en lugar de semanas y meses.

Pero más allá de la velocidad, la capacidad de la tecnología cuántica para ofrecer conocimientos precisos en plazos razonables es lo que la hace especialmente valiosa, afirma Benno Broer, director comercial de PASQAL, una empresa de servicios cuánticos completos. “Queremos saber cómo poner precio a algo y hacerlo con mayor precisión y queremos esa respuesta en la próxima hora. Con la computadora clásica, eso llevaría dos semanas y el comercio desaparecería”, afirma.

Hacer “mejor computación” es una de las razones por las que un equipo conjunto de ingenieros y analistas financieros de Ally Financial recurrió a la tecnología cuántica. Su atención se centró en los fondos cotizados en bolsa (ETF) tradicionales, que comprenden cientos de miles de acciones que generan un determinado rendimiento durante un período de tiempo. La premisa es que incluso si algunos componentes individuales tienen un rendimiento inferior, el resto impulsa el resultado neto, ofreciendo un rendimiento bastante predecible durante un período de tiempo fijo. 

Pero gestionar y manipular tantos componentes de un ETF es doloroso: "Hay mucha variabilidad en términos de rendimiento de las acciones y hay muchas compras y ventas y tarifas de transacción relacionadas", dice Sathish Muthukrishnan, jefe de Información, Datos y Digital Officer en Ally.

Muthukrishnan y el equipo de Ally exploraron si podrían generar rendimientos similares en un ETF que tuviera menos componentes. Para hacerlo, exploraron el problema de optimización de las “restricciones de cardinalidad” y desarrollaron un enfoque híbrido cuántico-clásico para las carteras de seguimiento de índices financieros que maximiza los rendimientos y minimiza el riesgo. Su trabajo les valió el premio CIO 100 de EE. UU en 2023 por su innovación y liderazgo en TI.

El equipo de Ally utilizó un método llamado recocido cuántico que les ayudó a decidirse por unas pocas acciones selectas. "Se puede seleccionar una cantidad menor de acciones con 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 mayor precisión", afirma Muthukrishnan.

Gracias a las capacidades cuánticas, el equipo de Ally pudo crear 50 escenarios distintos y volver a probar los modelos. Este rigor también pone de manifiesto los fallos de los modelos utilizados en la informática tradicional y ayuda a las industrias a desarrollar bases más sólidas para la investigación relacionada con los datos, comenta Muthukrishnan.

 

La ventaja de la computación cuántica

El trabajo de Ally con los ETF es sólo un ejemplo de lo que podría ser un cambio radical para el sector, gracias a la potencia de cálculo de la computación cuántica.

Cirdan Group, un grupo bancario europeo que ofrece soluciones de inversión, es otra organización financiera que pone en práctica la computación cuántica, asociándose con la empresa de servicios cuánticos Terra Quantum en un reto computacional para sus soluciones de inversión. El objetivo específico de la colaboración eran los derivados extrabursátiles que plantean un reto único porque están representados por funciones matemáticas sin fórmulas cerradas.

"No hay una ecuación [sencilla] que diga que X más Y es igual al valor del derivado", dice Antonio de Negri, director general de Cirdan Group. Como resultado, "tenemos que calcular nuestros derivados ejecutando miles y miles de simulaciones de Montecarlo", afirma De Negri. La informática tradicional de alto rendimiento (HPC) considera que el proceso es agotador y lleva mucho tiempo. Pero las instituciones financieras como Cirdan se han estado esforzando, realizando estos tediosos cálculos de todos modos porque ayudan a comprender el riesgo de los activos y a gestionarlo de forma más eficiente.

Cirdan había estado empleando sus mejores recursos informáticos para resolver el problema, pero los cálculos eran largos y costosos. Terra realizó los mismos cálculos de optimización con quantum y consiguió una reducción del 75% en el tiempo de cálculo -de 10 minutos a 2 minutos- con la misma precisión. Se espera que futuras iteraciones ofrezcan ahorros aún mayores, asegura el ejecutivo.

Ocho minutos pueden no parecer mucho, pero pueden traducirse en grandes ganancias. "Dado el tamaño de la cartera o la envergadura de las apuestas que están haciendo [las instituciones financieras], si puedes hacer un cálculo de una forma ligeramente mejor, un 0,1% mejor o más rápido de lo que podrías hacerlo, eso ya supone una ventaja significativa", dice Broer, que recuerda cuando trabajaba con modelos basados en Excel para evaluar el riesgo de las carteras.

"Pusimos en marcha nuestros modelos, pulsamos ejecutar, y tuvimos que esperar hasta la mañana siguiente y esperar que no se hubieran estrellado durante la noche", comenta. Era el mejor quarterback del lunes por la mañana, porque sólo podías saber si habías superado el límite de riesgo en operaciones anteriores.

"Es muy fácil toparse con los límites de la computación clásica si se tienen muchos datos, muchos activos diferentes con los que se negocia o muchos clientes diferentes a los que se concede un préstamo", afirma Broer.

 

Dónde puede aportar impacto la computación cuántica

Los problemas de optimización, como los que han abordado Ally y Cirdan, son idóneos para la computación cuántica porque la computación clásica carece de capacidad para ofrecer resultados significativos en un plazo razonable. Pero la cuántica también promete hacer más eficiente el aprendizaje automático, afirma Vishal Shete, director general para el Reino Unido y responsable de Comercialización de Terra Quantum AG.

Como los qubits, los componentes básicos de la cuántica, "pueden aprender con muchos menos datos y más ruidosos, son muy eficientes en el aprendizaje", afirma Shete. Esto significa que la cuántica puede asumir retos de aprendizaje automático con menos restricciones que las que exige la HPC tradicional.

Nilesh Vaidya, vicepresidente ejecutivo de la empresa de investigación y consultoría Capgemini, coincide en el valor de la cuántica para el aprendizaje automático. "Aplicar técnicas de aprendizaje automático utilizando la capacidad de la computación cuántica prepara los modelos mejor y más rápido", afirma Vaidya. "Hoy en día, se tarda un tiempo en crear y desplegar modelos y visualizar los resultados, pero con la cuántica se pueden acelerar mucho algunas partes".

Además de las cualificaciones de viabilidad técnica, Shete aconseja a las empresas que seleccionen proyectos en los que incluso una pequeña mejora pueda generar un buen valor empresarial. El interés de las partes interesadas también es clave. "Podrían encajar todos los demás factores, pero si el jefe de la unidad de negocio con la que trabajas se resiste o no quiere cambiar, es un obstáculo", apunta Shete.

"Si entiende los puntos fuertes y débiles de la cuántica, entonces en cada campo puede encontrar un buen nicho donde añadir gran valor", dice Broer. "Pero si da por hecho que puede añadir valor a todo, se llevará una gran decepción. Es como un martillo buscando un clavo, va a costar mucho trabajo encontrar ese clavo, pero una vez que lo tienes, puedes empezar".

 

Asociaciones entre la industria y los proveedores

¿Cómo empezar exactamente? Aunque algunas instituciones financieras están creando sus propios equipos cuánticos, muchas optan por asociarse con expertos en este campo.

Markus Pflitsch, CEO y fundador de Terra Quantum, afirma que "no es factible que los bancos y otros sectores creen capacidades cuánticas internamente, dada la escasez de talento". Además de proporcionar acceso al mejor hardware cuántico, empresas como Terra Quantum pueden ejecutar software cuántico en simuladores internos basados en componentes HPC clásicos, que es como Cirdan abordó su problema de los derivados extrabursátiles. Cuando los ordenadores cuánticos vayan más allá de los dispositivos Noisy Intermediate Scale Quantum (NISQ) que ocupan hoy en día, el software de Terra Quantum también podrá trasladarse a esas plataformas.

Shete señala que los especialistas en cuántica también pueden cruzar soluciones de distintos sectores. Por ejemplo, "el trabajo de simulación que estamos haciendo en la fijación de precios de las opciones tiene muchas similitudes con el trabajo que se puede hacer en simulación molecular en las empresas químicas", afirma. Una empresa exclusivamente cuántica podría sembrar ideas tomadas de un sector en otro, sugiere Shete.

 

El futuro con la computación cuántica

Uno de los retos de aprendizaje automático en los que Terra Quantum está trabajando actualmente consiste en comprender a los clientes con modelos de predicción de series temporales: "Se trata de predecir el comportamiento de los clientes, de entender realmente cómo reaccionarán, cuál es la mejor agrupación de clientes diferentes, cuáles son las correlaciones y cómo deben agruparse y, por tanto, cuáles son los mejores productos hacia los que hay que orientar a los clientes", explica Shete.

En los mercados, las predicciones de series temporales ayudan a entender cómo se comportarán los mercados y a evaluar la correlación entre distintos tipos de activos. Y en la gestión de riesgos, la computación cuántica puede utilizarse "para simulaciones de Montecarlo o para entender los problemas de blanqueo de dinero o de cumplimiento de la normativa que puedan estar ocurriendo en su banco", insiste.

Por su parte, Ally espera evaluar más proyectos relacionados con la cuántica en el futuro, incluido el modelado de pérdidas crediticias, con el que se puede predecir qué porcentaje de los préstamos concedidos a los clientes puede acabar en pérdidas. Los proyectos de prueba de concepto que Ally ha llevado a cabo hasta ahora son su ensayo para cuando la cuántica esté lista para el prime time.

"Para nosotros es importante probar la tecnología y estar preparados", afirma Muthukrishnan. "Es como entrenar constantemente y hacer sprints para que, cuando llegue la carrera de verdad, estés preparado. No puedes sentarte y esperar a que las cosas sucedan: todo es cuestión de constancia, preparación y capacidad para estar a la altura de las circunstancias cuando llegue el momento".