Risikoanalyse mit Quanten-Algorithmus statt Monte-Carlo-Simulation

Stefan Woerner und Daniel Egger von IBM Research haben in einem kurzen Research Paper einen Quantenalgorithmus zur Berechnung von Risikokennziffern eines Portfolios vorgestellt. Ziel ist es, Kennziffern wie Value at Risk oder Conditional Value at Risk effizienter als mittels Monte-Carlo-Simulationen zu berechnen, da diese sehr rechenintensiv sind. Die Autoren verwenden hierzu einen Amplitude-Estimation-Ansatz, der erweitert wird, um Varianz, VaR und CVaR von Zufallsverteilungen zu bestimmen. Weiterhin werden Methoden entwickelt, um diesen Ansatz mittels konkreter Hardware zu implementieren.

Der Ansatz wird anhand zweier Beispielmodelle getestet. Für den ersten Fall nutzen die Autoren bestehende Hardware, um T-Bills unter dem Risiko einer Zinserhöhung zu bepreisen. Im zweiten Modell wird der Algorithmus simuliert, um zu zeigen, wie ein Quantencomputer die Risiken eines Portfolios bestimmen kann, welches aus zwei Anleihen mit verschiedenen Laufzeiten besteht.

Absolut Research unterstützt institutionelle Investoren bei der Selektion von Asset Managern mit der monatlichen Publikation Absolut|ranking. Insgesamt umfassen die Absolut|rankings mehr als 15.000 institutionelle Publikumsfonds und ETFs, aufgeteilt in 37 Asset-Klassen und Marktsegmente und mehr als 200 Universen.