양자 알고리즘으로 블랙‑숄즈를 넘어선 파생상품 가격 책정 가속화

초록

본 논문은 고전적 몬테카를로 방법이 최적이지만 정밀도에 대해 역제곱에 비례하는 비용을 요구하는 파생상품 가격 책정에 대해, 양자 알고리즘을 이용해 GBM을 넘어 CIR 및 Heston 모델에서도 이차적 속도 향상을 달성하는 새로운 프레임워크를 제시한다. 핵심은 ‘fast‑forwardability’ 개념과 양자 Milstein 샘플러, 양자 다중‑레벨 몬테카를로(MLMC) 기법이며, PDE 기반 양자 접근법의 한계도 분석한다.

상세 분석

논문은 먼저 파생상품 가격 책정이 기대값 계산이라는 형태로 귀결된다는 점을 재확인하고, 고전적 몬테카를로가 차원에 독립적인 다항식 복잡도를 갖지만 정밀도 ε에 대해 O(ε⁻²) 비용이 든다는 사실을 강조한다. 양자 몬테카를로 통합(QMCI)은 이 부분을 O(ε⁻¹)로 개선하지만, 전체 알고리즘의 효율성은 SDE 시뮬레이션 비용에 크게 좌우된다. 저자들은 GBM이 ‘독립적 fast‑forwardability’를 만족해 각 시간 단계마다 독립적인 정규분포 샘플만으로 경로를 생성할 수 있음을 지적하고, 이를 양자 상태로 직접 준비함으로써 전체 복잡도에서 이차적 가속을 실현한다. 그러나 실제 시장에서는 변동성 클러스터링 등을 반영한 CIR·Heston 모델이 더 현실적이며, 이들 모델은 GBM과 달리 독립적 fast‑forwardability를 갖지 않는다. 대신 ‘일반적 fast‑forwardability’를 정의해, 전이 밀도가 닫힌 형태로 존재하지만 경로 자체는 재귀적으로 생성해야 함을 보인다. 이를 위해 논문은 양자 fast‑forwarding 스킴을 설계하고, 시간 이산화 오차를 엄밀히 분석해 전체 오류가 목표 정밀도 이하가 되도록 단계 수와 샘플링 정확도를 조절한다.

다음으로, 일반적인 SDE에 대해 Euler‑Maruyama(EM) 방식만으로는 양자 MLMC가 요구하는 O(ε⁻¹) 복잡도를 달성하기 어려움을 지적한다. 따라서 저자들은 Milstein 스킴을 양자적으로 구현하는 ‘양자 Milstein 샘플러’를 제안한다. 핵심은 Lévy 영역(두 중복 적분)의 양자 샘플링 알고리즘으로, 기존 고전적 방법보다 상수 팩터는 크지만 정밀도 의존도는 동일하게 유지한다. 이를 통해 다차원 상관관계를 갖는 Heston 모델에서도 양자 MLMC가 전체적으로 O(ε⁻¹) 복잡도를 달성함을 증명한다. 또한, 수치 적분 분석을 개선해 GBM·CIR 모델에 필요한 큐비트 수와 게이트 깊이를 크게 감소시켰으며, 산술 연산을 배제한 ‘arithmetic‑free’ 절차를 탐색해 추가적인 자원 절감 가능성을 제시한다. 마지막으로, 파생상품 가격 책정에 PDE 기반 양자 솔버를 적용하려는 시도를 비판한다. Fokker‑Planck 방정식의 양자 해석은 히스토리 상태를 필요로 하지만, 경로 의존형(payoff) 옵션에서는 충분한 정보를 제공하지 못하고, 차원 저주와 통합 오버헤드가 실질적인 속도 향상을 방해한다는 이론적 장벽을 제시한다. 전체적으로 논문은 fast‑forwardability와 고차원 Milstein 샘플링이라는 두 축을 통해 기존 GBM 한계를 넘어서는 양자 파생상품 가격 책정 프레임워크를 구축하고, 실용적 모델에 대한 자원 요구량을 구체적으로 정량화한다.