光子盒研究院出品

自硅谷银行事件发酵之后，一些分析家预测，随着对银行业隐性风险及其对货币成本上升的脆弱性的担忧扩散，该行业将面临更多痛苦。“下周可能会有一场大屠杀，因为......做空者在那里，他们会攻击每一家银行，尤其是小银行。”

一家金融机构的倒闭会引起更多银行倒闭的多米诺骨牌效应，从而导致系统性风险。正如我们现在看到的硅谷银行的传奇故事和2008年金融危机所证明的那样，这种风险可以威胁到整个全球经济——而全球经济是一个由金融机构组成的亲密而复杂的网络。


【资料图】

刚刚，据《自然》杂志报道，来自纽约大学和多伦多大学的一个研究小组，近期刚刚证明：量子计算机在制定有效战略、减轻系统性风险方面发挥作用。

研究小组报告说，减轻风险的一种方法是优化金融网络中各机构之间的联系，如调整贷款、持有股份和其他连接银行的负债。然而，由于金融系统的复杂性以及可能发生的非线性和不连续的损失，这项任务具有挑战性。

此次，研究人员对这种复杂性提供了一些想法。决策变量的总数随着金融网络的大小呈四级增长。一般来说，优化问题的复杂性随着决策变量的数量急剧增长，而决策变量的数量又随着网络的大小呈四级增长。因此，当银行间网络的规模很大时，这个问题可能会变得难以解决，而现实生活中的银行网络往往就是这种情况。例如，根据联邦存款保险公司的FDIC季度报告，目前在北美有大约5000家商业银行。

银行间网络可视化的例子

一个有100家银行的银行间网络的级联模拟可视化，银行显示为橙色节点，破产的银行显示为黑色节点，失败的银行将通过交叉持股的方式给其他银行带来进一步的损失，显示为红色边。红色边缘可以解释为危机传染或损失传播的途径。

为了应对这一挑战，研究人员开发了一种两阶段的优化算法。

使用两阶段优化的银行间网络实例。左图是100家银行的随机生成的银行间网络的圆形布局可视化；右图是使用算法2进行两阶段优化后的网络。请注意，交叉持股(cross-holdings)的变化并不像先前那样剧烈。

在第一阶段，金融网络被分割成高度互联的银行模块：这种方法提高了可扩展性，因为优化较小的银行模块要比优化整个网络容易得多。为了分割网络，研究人员为有向图(Directed Graph)和加权图(Weighted Graph)的经典和量子分区(partitioning)开发了新算法。

在第二阶段，研究人员开发了一种新的方法来解决系统性风险背景下带有约束条件的混合整数线性编程问题。这种方法被用来优化银行每个模块内的连接，同时确保整个系统保持稳定。

平均级联模拟(Average cascade simulation)结果显示，随机网络、一阶段优化网络和两阶段优化网络的银行倒闭次数相对于增加的扰的资产(β)，随机网络、一阶段优化网络和两阶段优化网络的平均级联模拟结果。

据研究人员称，他们使用了各种D-Wave量子设备并依靠量子退火方法，量子计算机对于解决这些类型的问题特别有希望。该团队补充说，这些设备在解决复杂优化问题的计算能力和效率方面具有显著优势。

对银行间网络比较量子和经典分区

50家银行组成的银行间网络的单阶段优化、经典和量子两阶段优化的时间比较。带有量子分区的两阶段优化所需时间要少得多。

该团队研究了这些问题的单阶段和双阶段解决方案，以及经典和量子方法的混合。最后，实验结果表示，两阶段的量子分区表现最好。

最后，原文总结道：“两阶段的量子分区算法优于经典方法。它战胜了两阶段的经典分区，因为它能够更有效地缓解级联问题。实施起来也更现实：现实世界的结果与合成结果一致，我们证明了两阶段量子算法对金融冲击有更大的弹性，并且在系统性风险下延迟了级联故障相变(cascade failure phase transition)，降低了时间复杂度。”

参考链接：

[1]https://thequantuminsider.com/2023/03/11/timely-research-quantum-computers-could-help-reduce-cascading-financial-crashes/

关键词：