Mantente al día con el canal de WhatsApp de CriptoTendencia: Noticias al instante sobre Bitcoin, Altcoins, DeFi, NFT, Blockchain y Metaverso. ¡Suscríbete!
IBM y Vanguard dieron un paso importante al publicar una investigación que analiza cómo los algoritmos cuánticos variacionales pueden aplicarse en la construcción de carteras financieras complejas.
El estudio mostró que los enfoques híbridos, que combinan recursos cuánticos y convencionales, pueden alcanzar resultados competitivos frente a los métodos clásicos, incluso bajo restricciones reales del mercado.
El reto de construir portafolios óptimos en finanzas reales
La construcción de un portafolio financiero implica equilibrar retorno esperado y riesgo (usualmente medido por la varianza), siguiendo el modelo clásico de Markowitz. Pero este modelo asume condiciones ideales (distribuciones normales, conocimiento perfecto de parámetros, ausencia de costos de transacción), que rara vez se cumplen en la práctica.
En escenarios reales, los gestores deben enfrentar múltiples restricciones: decisiones discretas (como incluir o no un activo), límites regulatorios, liquidez, costos, correlaciones no lineales, metas múltiples y otros factores que complican el problema.
Conforme aumenta la cantidad de activos candidatos, la complejidad computacional crece exponencialmente y los métodos clásicos tienen dificultades para hallar soluciones de alta calidad en tiempos útiles.
La propuesta cuántica: algoritmos variacionales híbridos
Para superar esas limitaciones, el equipo de IBM y Vanguard implementó un enfoque basado en algoritmos cuánticos variacionales (VQA, por sus siglas en inglés). Estos operan en un ciclo iterativo: una parte del trabajo recae en un sistema cuántico que explora soluciones mediante circuitos cuánticos, mientras que una parte clásica refina esas soluciones mediante heurísticas.
El estudio utilizó un procesador IBM Quantum Heron r1, con 109 cúbits activos (de los 133 disponibles), ejecutando circuitos con hasta 4.200 puertas cuánticas. Luego, los resultados cuánticos se procesaron con métodos clásicos locales para mejorar la calidad de la solución, según detalló IBM en su página oficial.
En comparación con un optimizador clásico de referencia (CPLEX) aplicado a un problema de construcción de cartera simplificado (ETF de bonos), los resultados cuántico-clásicos mostraron una brecha de optimización aceptable, buen desempeño frente a algoritmos locales puros y robustez ante el ruido del hardware.
El rol de IBM y Vanguard en el futuro de las finanzas cuánticas
El estudio representa un avance temprano que demuestra cómo la computación cuántica puede aportar valor real en finanzas, más allá de pruebas teóricas o experimentos limitados. La participación de Vanguard subraya que las instituciones financieras ya están explorando la transición a herramientas cuánticas en su flujo de trabajo.
No obstante, el camino hacia aplicaciones prácticas en portafolios complejos aún presenta barreras. Los modelos analizados fueron versiones simplificadas del problema real; escalar la solución a carteras con cientos o miles de activos y con todas sus restricciones será un desafío.
Además, el hardware cuántico todavía está sujeto a errores de coherencia y limitaciones de conectividad, lo que puede restringir el tamaño de los circuitos o la profundidad alcanzable.
Diseñar mejores ansatz (estructuras de circuitos cuánticos iniciales), técnicas de mitigación de ruido y arquitecturas híbridas más eficientes será esencial para que estas aproximaciones progresen.
Si estos avances se logran, en el futuro los portafolios gestionados por inteligencia cuántica podrían convertirse en una realidad para gestores, analistas y empresas financieras que busquen ventaja competitiva.
