FTQC로 혜택을 받는 주요 금융 애플리케이션

• 최적 실행
  시장 영향을 줄이고 유효 유동성을 향상시켜 거래 전략을 강화합니다.

• 현실적인 제약 조건을 갖춘 포트폴리오 최적화
  수백 개의 논리 큐비트만을 활용하는 양자 솔루션으로 수많은 제약 조건을 가진 복잡한 포트폴리오를 관리하여 자산 배분 및 리스크 관리가 크게 향상됩니다.

• 은행 간 결제 재정렬 (STP)
  정확한 조합 최적화를 통해 결제 처리를 간소화하고 은행 간 거래를 최적화하며 유동성 요구 사항을 줄입니다.

• 실제 크기의 데이터셋에서의 양자 머신 러닝 (QML)
  NISQ 솔루션은 제한된 크기의 데이터셋만 처리할 수 있습니다.
  FTQC가 현실화됨에 따라 우리는 이미지, 짧은 비디오 및 수백만 행의 데이터를 포함한 의미 있는 크기의 데이터셋을 다룰 수 있게 되었습니다.

• 종합적인 XVA 가격 책정
  신용, 차변, 자금 조달 및 자본 평가 조정(XVA)과 같은 복잡한 리스크 평가가 금융 리스크 관리에 필수적인 다단계 몬테카를로 프로세스를 위해
  양자의 능력을 활용할 수 있습니다.

• QML 및 양자 강화 학습(QRL)의 발전
  이상 탐지 및 소수 학습과 같은 인공지능 및 머신 러닝 애플리케이션은 데이터 부족으로 인해 여전히 한계에 직면해 있습니다.
  양자 머신 러닝은 특히 제한적이거나 시뮬레이션된 데이터로부터 학습하는 데 있어 유망한 솔루션을 제공합니다.
  양자 강화 학습은 특히 실시간 조정이 필요한 시나리오에서 재고 관리 및 신속한 재 헤지 연계 매매를 크게 향상시킬 것으로 기대됩니다.