Квантовый процессор IBM впервые улучшил алгоритмическую торговлю корпоративными облигациями на 34%

В Европе торговля корпоративными облигациями идёт вне биржи (OTC, over–the–counter), без единой книги заявок и с ограниченной публичностью цен. Инвестор, желающий купить облигацию, отправляет дилеру запрос котировки (RFQ, Request for Quote). Дилер должен быстро сориентироваться и предложить цену и объём.

Слишком завышенная цена отпугнёт клиента (сделка не состоится), слишком низкая приведёт к неблагоприятной сделке для банка. Поэтому банки используют алгоритмические модели, которые за миллисекунды анализируют характеристики облигации, рыночные условия и риск-параметры и выдают оптимальную котировку. Ключевым числом в этой модели является вероятность исполнения сделки по предложенной цене (fill probability или win probability) — шанс, что заказчик согласится на котировку. Повышение точности оценки этого шанса буквально на доли процента в тысячах ежедневных запросов является большим конкурентным преимуществом.

Для трейдера это важно ещё и потому, что OTC-рынок облигаций обычно редкий и разрозненный: данные по сделкам неполные, а любая ошибка в прогнозе цены приводит к упущенной сделке или риску потерять деньги. В таких условиях стандартные модели часто «научены» плохо: они видят не все скрытые шаблоны в шумных данных. Именно эта проблема и стала предметом совместного эксперимента HSBC и IBM.

Гибридный эксперимент HSBC–IBM

В эксперименте HSBC и IBM впервые применили гибридный квантово-классический подход. Данные – анонимизированный поток реальных запросов котировок (RFQ) по европейским корпоративным облигациям с сентября 2023 по октябрь 2024 года (более миллиона событий, промышленный масштаб сделки). Эти данные обрабатывала традиционная система банка, но в ключевой части к вычислению признаков («feature engineering») придавался квантовый алгоритм. На практике это выглядело так: при поступлении запроса котировки наш классический алгоритм формирует вектор признаков, после чего часть этой информации отправляется в офлайн-компонент на квантовый процессор. Квантовый Heron генерировал дополнительные «скрытые» признаки или преобразования исходных данных, отражающие нетривиальные корреляции. Затем результаты квантовой обработки возвращаются в классическую модель, которая с ними обучалась и давала итоговый прогноз fill probability.

Важно, что квантовый шаг был интегрирован не вместо, а в дополнение к классическим методам: алгоритм сохранял обычный рабочий поток (реакция на RFQ), а квантовый процессор выступал как специализированный «сопроцессор», вызываемый офлайн при каждой сделке. Такой подход («квантовое ядро» или квантовая «функция-метка») позволяет использовать машину для углублённого поиска закономерностей, не меняя кардинально существующие системы. Обычные сроки выполнения RFQ (милисекунды) в ходе теста не измерялись, так как эксперимент проводился постфактум (бэктест), но предполагается, что в реальном времени квантовая часть будет вызываться раз в RFQ и её задержка ограничена возможностями протоколов IBM Quantum System Two.

Роль 156 кубитов

Квантовый процессор IBM Heron — это система последнего поколения с 156 сверхпроводящими кубитами. Сама по себе эта характеристика не означает мгновенный выигрыш: важно то, что 156 кубитов дают размерность пространства состояний порядка 2 в 156 степени — одним словом гигантское число, сравнимое с астрономическими величинами. Благодаря квантовой суперпозиции, состояние процессора может представлять одновременно множество комбинаций классических битов; а квантовая интерференция позволяет выделять полезные паттерны. Проще говоря, Heron одновременно «рассматривает» огромный объём вариантов сочетаний признаков входного вектора и находит между ними скрытые связи, которые могут ускользать от обычных алгоритмов линейной регрессии или деревьев решений.

Этот эффект — не магия, а математика линейной алгебры в высокоразмерном гильбертовом пространстве: матрицы в квантовых алгоритмах имеют экспоненциальный (по числу кубитов) размер, что теоретически даёт им преимущество при обработке сложных зависимостей. (Для простого понимания можно сказать, что кубит, как вектор на сфере, имеет больше степеней свободы, чем обычный бит.) Важно, что ученые не заменили классический компьютер на квантовый целиком, а лишь расширили классическую модель дополнительными признаками из квантового процесса. И хотя 156 кубитов — это рекордная ныне машина, даже они далёки от «большого квантового прорыва»: система всё ещё подвержена шумам и декогеренции и не может выполнить многие алгоритмы, которые доступны классическим компьютерам.

Результаты и прямая речь

Главный итог эксперимента — повышение точности прогнозов. Модель, использовавшая квантовые данные, показала до 34% прироста в качестве прогноза fill probability по сравнению с лучшими классическими методами HSBC. Это означало, что при прочих равных классические модели ошибались в прогнозе в среднем в 1,34 раза чаще, чем гибридная система (набор данных тестировался сквозь классический и квантовый конвейеры в отложенной выборке). По словам Джоша Фриленда (Josh Freeland), главы подразделения алгоритмической торговли облигациями в HSBC, «мы весь день ищем однозначные проценты улучшений, потому что при тысячах повторений это даёт ощутимое преимущество. Получить такой рост устойчиво — это было бы действительно значимо». Увеличение на десятки процентов в оценке fill probability означает, что банк может точнее определить, когда стоит ужаться или разжаться с ценой, повысить скорость ответа на клиентские запросы и, в конечном счёте, расширить долю выигранных сделок.

Отметим, что такой эффект наблюдался только на реальном квантовом оборудовании. Попытки воспроизвести данные результаты на классических симуляторах квантового компьютера этого не дали. Ученые, публикующие работу на arXiv подчеркивают: именно аппаратный шум современного устройства оказался полезным для задачи. Неожиданно оказалось, что когда исследователи пропускали те же данные через «идеальный» бесшумный симулятор, улучшения не было, а реальный шум Heron «добавлял структуру» в данные и помогать обнаруживать фишки. Этот эффект пока не до конца понятен физикам и математикам, но он согласуется с постулатом о том, что некоторые гибридные квантово-классические алгоритмы получают выгоду от «сырости» сегодняшних машин.

Нижеприведённая таблица сравнивает основные атрибуты классического алгоритма и предложенного гибридного подхода:

Эта таблица иллюстрирует, что классические методы не требуют специальных условий и работают мгновенно, но показывают более низкое качество прогноза. Гибридная схема обеспечивает заметное улучшение прогноза, однако требует тяжёлой аппаратной поддержки и пока уступает в скорости. Ключевым достижением эксперимента становится сам факт улучшения при включении квантового шага, а не то, что классы начали работать с «космической скоростью».

Контекст и мнения экспертов

HSBC и IBM позиционируют результат как «первое известное эмпирическое доказательство» ценности квантовых компьютеров для реальных финансовых задач. Филипп Инталлура, руководитель подразделения квантовых технологий HSBC, заявил: «Мы сосредоточены на близких по времени применениях квантовых технологий… Мы получили результаты на существующем оборудовании — мы не ждали далёкого будущего». По его словам, «эта работа означает, что у нас есть наглядный пример того, как современные квантовые компьютеры могут решать реальную задачу в масштабе и давать конкурентное преимущество, которое будет только расти по мере развития аппаратуры».

Вице-президент IBM Quantum Джей Гамбетта подчеркнул важность синергии: «Этот захватывающий опыт показывает, что становится возможным, когда глубокая предметная экспертиза сочетается с передовыми алгоритмами, а сильные стороны классических подходов объединяются с богатым вычислительным пространством квантовых компьютеров». Другими словами, дело не в «чудо-компьютере сам по себе», а в том, что финансовые специалисты вместе с учёными нашли правильную задачу, на которой квантовые методы дают выигрыш.

Однако отраслевые аналитики призывают к осторожности. Роберт Ли (Robert Lea) из Bloomberg Intelligence напоминает, что исследования — это только начало длинного пути. Он отмечает, что любая новая технология проходит фазу «озарения – научных исследований – разработки – коммерческой реализации», и квантовые компьютеры сейчас находятся в первой фазе. «Если бы у вас на кухне стоял квантовый компьютер, понадобилось бы оборудование, которого обычно нет ни в одном дата-центре», — рассказал он в интервью Bloomberg. Для работы такие машины нужно охлаждать почти до абсолютного нуля и обеспечивать сверхчистую среду. Поэтому «коммерческое развёртывание квантовых компьютеров остаётся ещё очень, очень далеко». Он сравнил квантовые компьютеры с термоядерным синтезом: обе технологии обещают невероятные возможности, но встречают «огромные технологические барьеры». В отличие от шумихи вокруг новости, Ли призывает учитывать ограничения повторяемости: пока неизвестно, можно ли ежедневно получать ту же «34%-ю выгоду», и насколько результаты стабильны в других условиях. Как он подчеркнул, «предсказать, когда мы увидим повсеместное практическое применение, практически невозможно». Эти заявления следует понимать как сигнал: опыт HSBC–IBM — важный шаг, но не гарантия мгновенной революции.

Ограничения и вызовы

Несмотря на впечатляющий результат, эксперимент имеет ряд серьёзных ограничений. Во-первых, все расчёты проведены на исторических данных («бэктестинг»), а не в реальном времени. HSBC подчёркивает, что это был «реальный мир», но не живые торги. Практический трейдинг требует молниеносной реакции, интеграции моделей в биржевые системы и дополнительных мер безопасности. Гибридный квантово- классический конвейер добавляет неопределённую задержку (latency): хоть IBM и разрабатывает быстрые каналы передачи данных между классическим и квантовым узлом, в боевых условиях «процентовка» должна пройти за миллисекунды, чего в текущем эксперименте не проверяли. Если бы квантовая часть вызывалась синхронно с каждым RFQ, потребовалось бы надёжное квантово-классическое соединение низкой задержки (low-latency), которое пока находится в стадии разработки.

Во-вторых, аппаратные сложности. Современные квантовые компьютеры (NISQ-устройства) нестабильны: каждый кубит подвержен ошибкам. Понятие декогеренции означает, что со временем квантовое состояние «теряет» информацию из-за шумов среды, а небольшое взаимодействие с помехой способно свести на нет расчёт.

Поэтому Heron работает только при экстремально низких температурах (милликельвины) и в условиях жёсткого экранирования. На практике это означает, что куда размещать такой процессор — вопрос: перенос квантовой установки в торговый зал нереален. К тому же на данный момент Heron доступен только через облако IBM Quantum или в специализированных лабораториях (как система IBM Quantum System Two).

Интересно, что исследователи зафиксировали любопытное явление: квантовый шум помог модели. В статье на arXiv отмечается, что именно шум реального устройства дал преимущество — когда эксперимент проводили на симуляторе без ошибок, улучшения не было. Это может показаться контринтуитивным, но примерно соответствует идее, что случайные колебания в квантовой системе вносят дополнительную «регуляризацию» в данные. Однако такой эффект нестабилен: другой уровень шума или другая схема могут дать иной результат. То есть результат усугубляет проблему воспроизводимости: не только «цифры без шарнира» (реальные данные), но и реальные физические ошибки процессора должны быть аналогичными, чтобы сохранялся выигрыш.

Наконец, стоит отметить, что это был разовый эксперимент. Хотя модели и тестировали несколько раз на разных партиях данных, они остаются одной командой HSBC-IBM. Неясно, как метод покажет себя на других рынках (например, госбумаг), в другие периоды или на других платформах. Тем не менее результат на исторических данных уверенно превышает любые ранее публиковавшиеся квантовые достижения в области торговли. Но ни HSBC, ни IBM не заявляют о готовности к мгновенному переводу этого решения в продакшн.

Вице-президент IBM Кристоф Шрёдер (не из данного эксперимента) по аналогичным случаям напоминает, что каждый денежный оборот требует сертификации, что добавит этапы проверки и квалификации квантовой модели в систему управления рисками.

Перспективы для трейдера и банков

Что может дать трейдеру этот опыт в будущем? Если технология разовьётся, модели с квантовыми компонентами могли бы стать частью стандартного инструментария для OTC-рынков облигаций. Наихудшее исполнение (пропуск клиента) зависит от точности оценки вероятности сделки, поэтому улучшение fill probability означает меньше упущенных сделок и более узкие спреды. Практический эффект: если дилеры начнут обгонять друг друга в точности моделей, это повысит конкуренцию и качество исполнения — и, возможно, снизит комиссию клиентов за доступ к ликвидности. Ключевое, что клиент почувствует не «квант» как таковой, а более надёжные котировки и более высокую скорость ответа. Например, лучшее предсказание «попадания» в сделку поможет автоматизированным системам разумнее распоряжаться запасами облигаций (инвентарём) и лимитами риска при одновременных запросах.

Сейчас HSBC анонсировал также ряд других направлений исследований в квантовых технологиях. Банк работает над портфельной оптимизацией и управлением рисками с участием квантовых алгоритмов (например, вариационные алгоритмы для оптимизации), а также над вопросами квантово-устойчивой криптографии. Так, HSBC вошел в рабочую группу по квантово-устойчивой криптографии при EPAA (Ассоциации платежей Азии), где совместно с IBM, PayPal и другими разрабатывает стандарты постквантовых шифров. Это показывает, что банк готовит ИТ-инфраструктуру к будущим угрозам (квантовые компьютеры взломают существующие шифры). Таким образом, их вклад в квантовые технологии выходит за рамки ускорения моделей — речь идёт об общей «квантовой готовности»: кадровой подготовке, создании гибридных платформ и проверке новых приложений.

С точки зрения тайминга, стоит помнить слова критиков: новые квантовые технологии редко приходят быстро.

Реальная выгода сегодня добыта на эксперименте в лабораторных условиях; чтобы перейти к коммерческому использованию, банкам придётся решить вопросы масштабирования (как повысить стабильность более крупных квантовых систем), надёжности (QA-контроль моделей) и скорости работы (быстрая связь с QPU). Даже при оптимистичном сценарии это заняло бы, по оценке экспертов, несколько лет. Тем не менее сам факт успеха означает, что к моменту появления более мощных и надёжных машин отрасль будет иметь наработки и понимание, как их использовать.

Заключение

Эксперимент HSBC–IBM стал знаковым событием: впервые показано, что существующий квантовый компьютер принёс ощутимый прирост качества в реальной финансовой задаче. Это важный рубеж: квантовые вычисления перестают быть только теоретической темой академических исследований и могут влиять на бизнес-процессы. В то же время результаты признают свои ограничения: речь пока о моделировании, а не о реальной сделке, об одном сегменте рынка и одном подходе. До массового внедрения и глобального «квантового доминирования» в финансах ещё далеко. Но кейс HSBC говорит: индустрия идёт к гибридным решениям, в которых новые квантовые методы могут стать частью арсенала аналитика. Уже сейчас трейдерам стоит следить за развитием этих технологий, так как они диктуют будущее модного спроса на инженерные таланты и инфраструктуру, в которой классические и квантовые компьютеры дополняют друг друга.