Risiko- und Bewertungsmodelle im Finanzsektor werden durch wachsende Datenmengen, komplexe Portfolios und steigende regulatorische Anforderungen zunehmend rechenintensiv. Insbesondere klassische Monte-Carlo-Verfahren können bei hochdimensionalen und nichtlinearen Szenarien erhebliche Rechenzeiten verursachen. Gleichzeitig müssen Ergebnisse nachvollziehbar, auditierbar und zeitnah verfügbar sein. Das Forschungsprojekt Q-Fin - Quantum-Enhanced Financial Risk Modelling untersucht, wie Quantencomputing zentrale Risiko- und Bewertungsprozesse im Finanzsektor unterstützen und beschleunigen kann. Im Fokus stehen unter anderem die Berechnung von Risikokennzahlen wie Value-at-Risk und Expected Shortfall, die Generierung komplexer Markt- und Stressszenarien sowie die Portfoliooptimierung. Hierfür werden quantenbasierte Verfahren mit klassischen High-Performance-Computing- und Monte-Carlo-Ansätzen zu hybriden Workflows kombiniert. Ziel ist die Entwicklung eines modularen Quantum-Classical Software-Stacks, der sich in bestehende Finanzprozesse integrieren lässt und auf der QC-Next-Referenzarchitektur aufbaut. Neben quantenbasierten Algorithmen entwickelt Q-Fin Komponenten zur intelligenten Orchestrierung klassischer und quantenbasierter Rechenressourcen sowie Verfahren für Erklärbarkeit und Auditierbarkeit. Dadurch sollen Quantum-Computing-basierte Analysen auch für regulierte Finanzanwendungen transparent und nachvollziehbar eingesetzt werden können. Die entwickelten Verfahren werden gemeinsam mit dem Anwendungspartner Deka anhand realer bzw. realitätsnaher Portfolio-, ESG- und Stressszenarien erprobt und mit klassischen Verfahren verglichen. Die Ergebnisse sollen zeigen, unter welchen Bedingungen hybride Quantum-HPC-Ansätze einen praktischen Mehrwert bieten und zugleich als wiederverwendbare Komponenten und Best Practices in das QC-Next-Ökosystem zurückfließen.
Partner
Forschungszentrum Jülich GmbH Deka Investment GmbH
