Computación Cuántica para Finanzas
La computación cuántica es la tecnología más sobrevendida de las finanzas — y, en dos sitios muy concretos, genuinamente interesante. Este curso es el mapa lúcido: la única aceleración cuadrática limpia, los problemas de optimización que encajan en un resolvedor cuántico, las promesas de aprendizaje automático que casi nunca cuajan, y los muros de ruido y carga de datos que lo dejan todo en 'algún día'.
La apuesta por el hardware de frontera: dónde podrían ayudar de verdad los algoritmos cuánticos a las finanzas, y dónde es puro bombo. Estimación de amplitud para una aceleración cuadrática de Monte Carlo en valoración de opciones y riesgo, QAOA y recocido cuántico para optimización de carteras, métodos inspirados en lo cuántico que puedes ejecutar hoy en hardware clásico — y una auditoría lúcida de los muros de ruido, número de cúbits y carga de datos entre la promesa y una ventaja real.
La computación cuántica lleva una década siendo el espejismo favorito de las finanzas: cada nota de prensa bancaria, cada ponencia de congreso, cada informe de “ya estamos preparados para lo cuántico” prometiendo que aceleraciones exponenciales están a punto de pulverizar vuestra rejilla de valoración de opciones y de resolver la optimización de carteras en un abrir y cerrar de ojos. Luego buscáis el sistema en producción que de verdad opera sobre un ordenador cuántico, y encontráis — un piloto de investigación, un problema de juguete de 12 cúbits y una nota al pie admitiendo que la referencia clásica sigue ganando.
Este curso es el antídoto tanto contra el bombo como contra el desdén automático. La computación cuántica no es polvo mágico financiero, y no es nada. Existe exactamente una aceleración limpia y demostrable de relevancia genuina — una aceleración cuadrática (no exponencial) de Monte Carlo mediante Estimación de Amplitud Cuántica — y un puñado de ángulos de optimización y aprendizaje automático que van desde “plausiblemente útil algún día” hasta “casi con seguridad un callejón sin salida”. Vuestra tarea al terminar es distinguirlos a sangre fría, igual que aprendisteis a distinguir un backtest real de uno sobreajustado en los cursos de aprendizaje automático. Damos por sentado que habéis interiorizado Monte Carlo para Finanzas (solo sentiréis la aceleración de la QAE en los huesos si recordáis por qué el error del Monte Carlo clásico decae como ) y Optimización de Carteras (QUBO y QAOA son solo vuestro problema de media–varianza disfrazado de variables binarias). El recorrido:
- Fundamentos cuánticos para finanzas — cúbits, superposición, entrelazamiento y puertas explicados para el cuant, no para el físico; y los dos paradigmas de hardware que reaparecerán sin cesar: el modelo de puertas (universal, ejecuta algoritmos como QAE/QAOA) frente al recocido cuántico (de propósito especial, resuelve un único tipo de problema de optimización).
- Estimación de amplitud y Monte Carlo — la joya de la corona: la QAE convierte el decaimiento de error del MC clásico en , una aceleración cuadrática genuina para valoración de opciones y riesgo (VaR/CVaR). La victoria teórica más limpia de todo el campo — con un asterisco gigantesco que nos pasamos el resto del curso ganándonos.
- QUBO y optimización de carteras — reformular la selección de activos como Optimización Binaria Cuadrática sin Restricciones (QUBO), resuelta por QAOA en el modelo de puertas o por recocido cuántico en D-Wave. Donde brilla: los problemas discretos, con restricción de cardinalidad (elegir exactamente nombres, restricciones de lote) que atascan a los resolvedores convexos clásicos.
- Aprendizaje cuántico para señales — núcleos cuánticos y clasificadores variacionales para el alfa, enseñados con el mayor escepticismo del curso: la teoría es elegante, la evidencia financiera es escasa y el muro de carga de datos es brutal.
- La prueba de realidad: NISQ y carga de datos — los muros. Las máquinas cuánticas ruidosas de escala intermedia de hoy decoheren antes de que los circuitos profundos terminen; la corrección de errores exige miles de cúbits físicos por cada cúbit lógico; y, sobre todo, el problema de la carga de datos / preparación de estado puede borrar silenciosamente vuestra aceleración cuadrática antes incluso de que el algoritmo arranque.
- Métodos clásicos inspirados en lo cuántico — la moraleja que paga el alquiler hoy: redes tensoriales y otros algoritmos inspirados en lo cuántico que corren sobre el hardware clásico de vuestro centro de datos ahora mismo, y la disciplina de juzgar cualquier afirmación cuántica de extremo a extremo — incluyendo carga y lectura — frente a la mejor referencia clásica.
Al terminar sabréis leer una afirmación de “ventaja cuántica en finanzas” y ubicarla al instante en el mapa: qué aceleración invoca, si el coste de carga de datos se contabilizó con honestidad, y si la tubería de extremo a extremo podría llegar a batir a un método clásico bien afinado. Un examen final calificado os devuelve toda la disciplina lúcida, una pregunta bloqueada cada vez.
En este tema
- 1 Fundamentos cuánticos para finanzas Cúbits, superposición, entrelazamiento y puertas cuánticas explicados para el quant — más la división modelo de puertas frente a recocido cuántico que decide qué algoritmos puedes siquiera ejecutar. 16 min
- 2 Estimación de amplitud y la aceleración de Monte Carlo La estimación de amplitud cuántica convierte el error 1/sqrt(N) de Monte Carlo en 1/N — una aceleración cuadrática para la valoración de opciones y el riesgo VaR/CVaR, la victoria cuántica más limpia y demostrable de las finanzas. 18 min
- 3 QUBO y optimización de carteras Reformula la selección de cartera como un QUBO, resuélvelo con QAOA o recocido cuántico y descubre dónde las restricciones discretas de cardinalidad y de lotes — no las matemáticas — hacen que el rodeo cuántico merezca el intento. 18 min
- 4 Aprendizaje automático cuántico para señales Núcleos cuánticos y clasificadores cuánticos variacionales para señales de trading — y una auditoría escéptica sobre si algo de esto supera al ML clásico bien ajustado con datos de mercado ruidosos y de baja señal. 17 min
- 5 La prueba de la realidad: NISQ y la carga de datos Los muros que separan la promesa cuántica de una ventaja real: el ruido y la decoherencia de la era NISQ, el número de cúbits y el coste de la corrección de errores, y el problema de la carga de datos (preparación del estado) que puede borrar la aceleración. 18 min
- 6 Métodos clásicos de inspiración cuántica Redes tensoriales y otros algoritmos de inspiración cuántica que ya puedes ejecutar hoy en hardware clásico, más la disciplina de extremo a extremo de batir al mejor baseline clásico antes de llamar a cualquier aceleración una ventaja real. 17 min
- 7 Computación Cuántica para Finanzas — Examen Final El examen final calificado de Computación Cuántica para Finanzas: cúbits, superposición y la división modelo de puertas frente a recocido cuántico; la aceleración cuadrática de Monte Carlo de la estimación de amplitud para valoración y VaR/CVaR; QUBO, QAOA y recocido cuántico para carteras con restricción de cardinalidad; núcleos cuánticos y clasificadores variacionales con ojo escéptico; los muros del ruido NISQ, la corrección de errores y la carga de datos; y los métodos clásicos de inspiración cuántica que hoy pagan el alquiler. 22 min
Marcar curso como terminado
¿Has acabado todas las lecciones? Déjalo fijado — tu progreso se guarda en este dispositivo.