量子科技在商业银行的应用
时间：2021-01-01 10:34:24 来源：达达文档网 本文已影响 人 
吴永飞 王彦博 王秋实 施巍
导语：习近平总书记在2020年10月16日主持中共中央政治局第24次集体学习时强调：“要充分认识推动量子科技发展的重要性和紧迫性，加强量子科技发展战略谋划和系统布局，把握大趋势，下好先手棋。”有研究表明，量子科技具有巨大的应用价值和前景，并且在国家政策护航下，未来量子科技市场规模将突破千亿元级别。FinTech时代，科技已成为商业银行的核心能力，在众多新兴精尖技术中，量子计算由于其潜在的超越经典计算的强大算力，在商业银行应用领域前景广阔。
人工智能时代，国有商业银行、股份制商业银行、城商行和互联网银行均开启了数字化转型的工作，经典的机器学习和数据挖掘技术被广泛应用于银行的营销、授信、风控、运营和反洗钱等核心业务领域。近年来大量实践表明，许多机器学习算法， 如决策树、逻辑回归、朴素贝叶斯、支持向量机、人工神经网络等，在商业银行实际问题的处理上表现出比传统统计模型更好的性能，通过算法可以使银行的产品创新更迅速、营销目标更精准、客户服务更贴心、业务运营更高效、风险管理更全面、财务报告更准确。
然而，银行数字化转型的核心资源是大数据，银行金融服务的竞争力是响应速度。但是，随着大数据近年来呈现爆炸式增长，经典计算的能力瓶颈会随着数据体量的急剧增长而暴露，未来将可能对金融科技发展产生阻碍。量子计算具有远超经典计算资源的算力优势，能够提升商业银行智能金融服務的数字化水平和响应速度。利用量子算法处理经典问题，称为“量子增强机器学习”。有研究表明，量子增强机器学习具有处理速度快、所需数据量更小、处理能力强等优点。
量子科技的发展历程
许多研究者已经在量子算法上开展了相关研究。最早的是1994年，麻省理工学院贝尔实验室彼得·舒尔（Peter Shor）面向大整数的质因数分解提出Shor算法，理论上可以在100秒之内破解一个2048比特强度的RSA密钥，而使用经典计算机则可能需要10亿年。两年后的1996年，同在贝尔实验室的格罗弗（Lov Grover）提出了Grover搜索算法，可以在大约2128次迭代内穷举破解一个256比特的密钥，这较经典计算机有了平方级别的加速。
关于量子神经网的研究可以追溯到1995年，卡克（Subhash C. Kak）提出了量子神经计算的概念;随后，1996年，贝尔曼（E.C. Behrman）提出了一种基于量子点的神经网络模型; 同年，托特（Geza Toth）研究了量子细胞神经网络;1998年， 文图拉（Da n Ve n t u ra）研究了量子叠加态神经网络;2000 年，松井（Nobuyuki Matsui）研究了量子门电路神经网络; 2006年，周日贵研究了量子感知机;2014年，舒尔德（Maria Schuld）研究了由量子随机行走构建神经网络。然而，大多数量子算法研究仅停留于理论方面，应用量子算法解决实际问题的案例屈指可数，在商业银行领域应用量子神经网络技术解决实际问题尚属空白。
2020年，商业银行ATM机具的使用率因受到移动支付的冲击而出现了大量的撤机现象，全国范围内ATM机具减少了4万余台。在此背景下，商业银行需要精准地筛选出效能差、使用率低的机具设备，并进行撤机，以缩减成本。本文以国内某股份制商业银行ATM业务智能化决策问题为例，通过构建量子神经网络算法模型对ATM机具进行有效识别，识别结果作为ATM机具裁撤的重要依据，为商业银行金融服务和金融管理提供智能化、量子化的决策支持，同时为量子科技在商业银行领域的应用实践进行有益探索。
信息科技理论基础
经典神经网络原理
随着人工智能、大数据时代的到来，机器学习已经成为一种挖掘数据内在规律信息的有效工具。对于机器学习模型，根据特征和标签的已知性，主要分为有监督学习（Supe rvised-learning）和无监督学习（Unsupervised-learning）。其中，人工神经网络是一类应用最为广泛的有监督学习方法，它通过多层神经元，一步步提取数据之间的特征，挖掘出数据内部的规律。现有的神经网络算法在处理结构化数据、文本数据、图像数据等方面有着很强的优势;而对于数据挖掘分类问题，BP神经网络是一种广泛使用的人工神经网络算法。
BP神经网络是一种多层前馈网络，通过误差反向传播算法进行训练，最早由鲁姆哈特（David Rumelhart）和麦克莱兰（James McClelland）于1986年提出。BP神经网络包括输入层、隐藏层和输出层三个部分，能够学习大量的输入-输出模式映射关系，且这种映射关系的数学方程无需事前揭示。BP神经网络主要是通过反向传播算法来更新各结点之间的权重，使得网络的预测结果逼近期望结果，其主要的学习过程大致可以分为正向传播、反向传播和学习收敛三个部分。
量子计算机
量子计算机的设计主要遵循量子力学规律，量子叠加态的存在使其具有天然的并行计算能力。2000年前后，IBM首席科学家迪文森佐（David Divincenzo）给出了制造量子计算机所需要的五大要素，即量子比特的初始化能力、可控能力、扩展能力、稳定能力和被测量能力。基于上述基本要素，针对量子计算机实现的物理系统涌现出了大量的研究方案，如超导电路方案、离子阱方案、光子实现方案、核磁共振方案等。
超导电路量子计算利用约瑟夫森结在超低温下形成的分立能级作为量子比特，主要有相位量子比特、磁通量子比特和电荷量子比特三种形式，约瑟夫森结具有“超导体-绝缘体-超导体” 的三明治结构。离子阱技术的原理是利用电荷与磁场间的作用力来囚禁离子，并利用受限离子的两个能级作为量子比特，通过激光来实现量子门的操作。核磁共振量子计算机主要利用核自旋在强磁场下的劈裂能级作为量子比特，并通过电磁波操控核自旋实现量子门操作，该技术的优点之一在于它可以在常温常压下进行工作。
量子神经网络
本文所使用的量子神经网络本质上是一种参数化的量子线路，其训练过程主要是利用量子线路不断预测类别标签并计算损失函数，而后使用梯度下降、反向传播的方法得到最小化损失函数下的最优量子线路参数。量子线路主要是由量子门组成的，而量子门是以矩阵的形式表示的，可以对由经典数据转换为量子态的输入向量进行计算并输出预测结果;同时，基于反向传播可以对量子门的参数进行调节，这一点保证了量子线路能够充分借鉴经典神经网络的思想进行参数优化。量子神经网络既可以用来运行量子变分算法，如用来寻找哈密顿量的基态;亦可以用来处理与经典神经网络相同的目标问题。量子神经网络在较大规模的量子计算机上相比经典神经网络，可以处理更多的数据，并有更强的模型表达能力。
量子神经网络实证分析
数据来源与特征参数选择
本文选取了国内某股份制商业银行2243台ATM机具作为数据样本，范围覆盖全国31个省、直辖市、自治区，型号包括取款机、存取款一体机和循环机。数据来源为ATM机具原始监控报表数据和流水日志，数据时间范围跨度为两年。
为构建智能预测模型，本文选定特征参数，通过取均值、中位数、方差等统计学方法对报表数据进行计算加工，最终得出4 个特征参数，包括故障次数、满钞时间、离柜率趋势和日均繁忙时间。同时，选定“撤机”与“不撤机”作为输出标签，该标签为相关业务管理部门根据ATM机具所在地区综合环境、成本、运行情况等要素，通过专家评分，最终给出的一套贴合业务实际的是否撤机标识。
数据的量子化转换
在使用量子计算机处理经典数据时，首先需要将经典数据编码为希尔伯特空间中的量子状态，这个过程通常被称为量子嵌入或量子编码。目前有三种常用的量子嵌入方法：一是基础嵌入方法，即先将经典数据转化为整数，再将转化后的整数表示为二进制字符串，最后将二进制字符串依次表示为量子子系统的状态。这种方法的优点是量子线路短，缺点则是需要大量的量子比特。二是振幅嵌入方法，即将归一化后的经典数据作为量子状态的振幅。由于N个量子比特有2N个振幅，因此振幅嵌入可以编码指数级的经典信息;然而该方法需要很深的量子线路，在当前的量子设备上不能很好地实现。三是变分嵌入方法，即将经典数据作为量子线路的参数，使用固定的变分线路编码数据。该方法在现有的量子计算机上可以较为有效地使用。
本文采用了变分嵌入方法，先将数据归一化处理到[0，π/2] 区间，再作为量子线路的部分参数进行量子写入，接下来则可以结合所设计的量子线路对线路上的其他参数进行机器学习。
量子神经网络计算过程与结果
本文使用了2量子比特的核磁共振量子计算机。用于实验的机器单比特门保真度高于99%，双比特门保真度高于98%，可支持任意角度门操作，也可以实现任意2比特的量子算法，适用于量子分类算法应用。
想要将4个特征参数下的经典数据嵌入到2个量子比特，先要将每一个特征下的经典数据线性归一化到[0，1]區间，再使用arcsin函数将经典数据映射到[0，π/2]区间，结合中心量子线路，优化参数并建立一个0～1的分类模型，数据嵌入的量子线路和中心量子线路设计如图1、图2所示。
在全部数据样本中，选择三分之二的数据样本（1496）作为训练集，另外三分之一的数据样本（747）作为测试集;训练的损失函数为铰链损失，训练的时期（epoch）为4，批大小为180。量子比特通过量子门的操作后，测量了中心量子线路最后的量子位在Z轴上的投影，由于核磁共振量子计算机针对一个数据样本进行观测的原子数量是万亿以上的，所以一次测量的结果就是万亿次对样本预测结果的平均值，最终根据平均值得到标签预测结果。
通过数据实验， 观测第二个量子比特的最终状态， 可以得出结果：
准确率A c c u r a c y = （ T P + T N ） / （TP+TN+FP+FN）=75.57%。利用量子神经网络对商业银行ATM机具的是否撤机进行判断，本文设计的2比特量子神经网络模型达到了预期效果。
结语
量子金融科技时代，量子算法独有的优势会在一定程度上弥补经典算法的缺陷，并为商业银行带来巨大价值。本文将量子神经网络技术应用于商业银行ATM机具管理的智能决策问题上， 准确地识别了效能较差的ATM机具设备，对银行的智能决策提供了依据。未来，随着量子计算机量子比特数目的不断增加，量子算法将进一步与经典人工智能算法相结合，并在大数据的支持下，为商业银行的金融科技发展和数字化转型带来更大价值。
王彦博（wangyanbo@lyzdfintech.com）、王秋实（qwangcr@connect. ust.hk）为本文共同通讯作者。龙盈智达（北京）科技有限公司大数据中心杨璇、史杰、徐奇、宫雅菲，深圳量旋科技有限公司项金根、邹均庭对本文亦有贡献。感谢香港科技大学曾蓓教授，曹晨风的有益讨论。
（作者单位：华夏银行股份有限公司、龙盈智达（北京）科技 有限公司、香港科技大学物理系、深圳量旋科技有限公司）
商业银行月度资讯
《网络小额贷款业务管理暂行办法（征求意见稿）》发布
11月2日，为规范小额贷款公司网络小额贷款业务，统一监管规则和经营规则，促进网络小额贷款业务规范健康发展，中国银保监会、中国人民银行就《网络小额贷款业务管理暂行办法（征求意见稿）》公开征求意见。
央行报告：信托业风险存外溢可能
11月6日，央行发布的《中国金融稳定报告（2020）》首次将信托业以专题形式呈现，分析了其风险成因并给出发展建议。报告称“信托业风险暴露加快，存在外溢可能”，信托业强监管、严排查使行业风险暴露更为充分。
央行再次公布银行压力测试结果
11月6日，央行再次公布银行压力测试结果，测试银行数量由1171家增至1550家，测试项目由两项扩展至三项。宏观情景压力测试结果显示，在轻度、中度、极端冲击下，2020年末分别有10家、13家、21家银行未通过测试。
财政部下达2000亿元专项债化解中小银行风险
11月11日，财政部表示，经国务院批准，已下达用于支持化解地方中小银行风险的新增专项债券额度2000亿元，目前分地区额度已全部下达。
银保监会原则同意包商银行进入破产程序
11月12日，银保监会在《关于包商银行股份有限公司破产申请事项的请示》（包商接管组〔2020〕26号）中批复：“原则同意包商银行进入破产程序。”
部分银行拖延、拒绝为小微企业开户，央行下发风险提示
11月15日，央行办公厅日前向央行上海总部、各分行、营管部、省会城市中心支行等下发《积极稳妥解决企业留言问题 切实提升企业银行账户服务质效》的风险提示，并要求转发至辖内银行机构。
浙商银行区块链平台通过工信部电子标准院所有功能测试
11月20日，浙商银行区块链平台完成与国产操作系统、服务器、云平台等软硬件的全面适配，并成为全国业内首个通过中国电子技术标准化研究院区块链专项测试全部用例的机构。
上海农商银行IPO成功过会
11月26日，中国证券监督管理委员会审核通过了上海农村商业银行股份有限公司的首次公开发行股份的申请。作为2020年第一家过会的农商行，上海农商银行也即将成为A股第9家上市农商行。
