市场星报、安徽财经网(www.ahcaijing.com)、掌中安徽讯(张梦怡 杨夏)近日，国内量子计算龙头企业本源量子在量子算法上又取得新进展。该团队利用量子线路加速无监督的One-Class SVM异常检测算法并应用于检测金融领域的异常行为，该量子异常检测算法基于量子计算的并行性原理，可快速分析识别金融风控领域企业债务违约行为，相比传统检测方法更为快速、有效。据悉，当前国际上量子计算团队在此类领域尚未开始应用量子算法进行加速。此次，本源量子团队对该类算法的开发不仅进一步推动了量子优势的运用，更是率先证明了量子异常检测算法在金融风控领域极具广阔的应用前景。
打个比方，如果计算机想要参考100张、1000张、10000张信用卡的使用习惯并寻找出一张违约的信用卡可能可以很快完成，可是当这个数字再扩大上千倍、上万倍的时候，经典计算机就会极其缓慢甚至很难完成。这时，相较于经典计算机在算法上有指数级提升的量子计算机就可以迅速完成任务。
同样是金融领域，这一次本源量子团队带来的是针对金融风控领域的企业债务违约行为的识别应用。
在金融风控中，针对企业债务违约的检测至关重要。企业债务的违约往往会造成很多负面的影响，首当其冲的便是提供融资的金融机构，造成贷款损失，甚至影响与其关联的上下游企业，产生严重的连锁反应。目前现有的传统检测方法一般有两类。一是有监督的分类模型分析，模型数据来自已有的历史数据，这类方法只能识别历史数据中已经存在的诈骗手段，而新的企业债务违约信息由于不在历史数据中故难以识别。另一类是一种无监督的异常检测方法，只需样本点的特征，无需确定样本点的所属类别，对历史数据的依赖性大大减小，这特别适用于金融风控领域中企业债务违约行为的识别。然而训练大量高维的历史数据是经典计算的一大痛点，因此本源量子将目光转向量子计算。
在金融领域，量子计算可以加快风险分析计算速度，甚至能考虑到大量变量和约束，快速处理复杂计算。该进展中，本源量子研发团队选择使用量子线路加速，将无监督的one-class SVM异常检测算法应用于金融风控领域中企业异常行为的检测。该异常检测算法可以利用量子计算的并行性，在训练数据量和特征维度上的计算复杂度分别进行指数级加速。如下图所示，研究人员利用QOCSVM算法，根据30家企业的财报数据对企业债务违约的欺诈风险系数进行判断。
近年来，本源量子一直致力于量子计算在金融领域的相关研究与开发，并不断推动量子计算在金融行业的落地应用，包括联合建信金融科技推出国内首批量子金融应用——量子期权定价应用与量子VaR值计算应用，发布可用于金融衍生品收益计算的量子期权策略应用，上线可预测金融概率、进行网络监控和故障溯因新量子贝叶斯算法应用程序等。
此次，本源量子研发团队还整体优化了上述各量子金融应用(已上线至本源量子云云端)的模拟速度。在算法优化后，其中的投资组合优化应用可以取得更为精确的效用值(效用值越大代表此证券投资组合是高收益低风险)，让用户更能直观的感受到风险偏好对所选的投资组合收益的影响。
