量子飞跃：汇丰银行债券交易可能成为华尔街未来
Table of Content
图片来自于 IBM 网站
汇丰的量子计算突破可能成为华尔街的未来。
9 月 25 日，在伦敦充满活力的金融核心地带 —— 金丝雀码头那一座座线条流畅的高楼中，汇丰银行（HSBC）掀起了一场量化交易领域的变革。
该行与 IBM 合作，发布了全球已知首个量子赋能的算法交易演示系统。这个系统借助云端量子处理器，处理规模达 12 万亿美元欧洲公司债券市场的真实数据。
其成果 —— 交易成交概率预测准确率提升 34%—— 在全球市场引发连锁反响，这预示着一个量子计算或将重塑华尔街的未来：正如 20 世纪 60 至 70 年代大型计算机改变金融业那样，量子计算也将为金融领域带来颠覆性变革。
汇丰银行集团量子技术主管 Philip Intallura 表示：“这是债券交易领域一项具有开创性的全球首例突破。这意味着我们如今有了一个切实案例，能够证明当前的量子计算机如何规模化解决现实商业问题并提供竞争优势 —— 而且随着量子计算机的不断发展，这种优势还将持续扩大。”
这一里程碑的到来正值华尔街的关键时刻，对速度、准确性和洞察力等稍纵即逝的优势的不懈追求决定了华尔街的成败。
量子计算长期以来一直被誉为下一个前沿领域，但经常被视为没有实际应用场景的炒作，如今，它已提供经验证明—— 作为金融领域的价值。
这一发展不仅可能重塑债券交易，还可能重塑整个量化金融架构，这与大型计算机在 20 世纪 60 年代和 70 年代发挥的变革性作用相呼应。当时，IBM 的笨重机器通过自动化数据处理和支持早期算法策略彻底改变了证券交易所。今天，随着 IBM 的 Heron 等量子处理器开始解决传统计算机难以攻克的难题，历史即使没有重演，也可能正在押韵。
这里也感叹一下，作为曾经的科技巨头，IBM 近年来声量很小，常常会让人有日薄西山之感。但是，这种百年老店，当你看不见他的时候，他也许只是在悄悄地憋着大招。他们的身上，似乎有一种不死的基因。
01¶
要理解汇丰/IBM 成就的重要性，不妨思考一下它所针对的问题：欧洲场外交易 (OTC) 公司债券市场。这个规模达 12 万亿美元的市场流动性参差不齐，定价既是一门科学，也是一门艺术。
在OTC公司债券市场算法交易的高风险竞争领域，汇丰等交易商面临着一项艰巨挑战：既要以能赢得交易的报价响应客户询价请求（RFQ），又要将风险降至最低。
交易能否成功，关键在于对 “成交概率” 的预测 —— 即在毫秒必争、类似拍卖的竞争环境中，某一报价能够达成交易的可能性。
在量子计算介入之前，这一过程依赖经典算法来处理错综复杂的嘈杂市场数据。交易员会整合实时数据信息流（包括买卖价差、平均规模为 100 万至 500 万欧元的交易量，以及 MOVE 指数等波动率指标），同时结合客户专属数据（如历史接受率）。
支撑这一工作流程的是支持向量机（SVM）、极端梯度提升（XGBoost）等经典模型：支持向量机通过将市场特征映射到决策边界，对交易结果（成交或未成交）进行分类；而梯度提升模型则擅长捕捉稀疏数据集中的非线性模式，并会每小时重新校准以反映市场变化。
一个典型的工作流程始于客户询价：例如，某客户希望获取某只 5 年期投资级债券的报价。算法会从 Tradeweb 等平台获取市场数据，与汇丰的交易历史数据整合，进而预测最优报价，在报价竞争力与库存成本之间实现平衡。
然而，随着数据集复杂程度呈指数级增长，这些经典模型逐渐力不从心 ——“维度灾难” 与场外市场的流动性不足使其不堪重负，最终导致预测效果欠佳、错失交易机会。
此时，量子计算应运而生。汇丰此次的演示系统借助 IBM 的 Heron 处理器，引入了量子核估计技术 —— 是一种混合方法，通过 “叠加态”（量子力学中的核心原理，可同时探索海量特征组合）将嘈杂的市场数据映射到更高维度空间。
与难以捕捉场外市场复杂关联性的经典模型不同，量子核方法擅长挖掘隐藏模式，最终将成交概率预测的准确率提升了 34%。正如 Philip Intallura 所言：“这是债券交易领域一项具有开创性的全球首例突破。”
34% 的涨幅不仅仅是一个数字，而是一个预兆。
在债券交易中，保证金极其微薄，年交易量却超过数万亿美元，这样的优势意味着更高的流动性、更低的价差和更高的利润。
02¶
一石激起千层浪。业界反应迅速。
在 X上，Giuseppe Paleologo（曾在 Millennium 和 Citadel 等公司任职的量化专家，《量化投资要素》作者） 称其为“开启一天的绝佳方式”，并分享了汇丰银行的新闻稿，引发了数千名粉丝的讨论。
金融科技影响者 Efi Pylarinou 博士称赞其为一项“量子突破”，并指出其具有“提高利润率和增强流动性”的潜力。
当然加密货币粉丝对此格外关心：之前任正非曾预测过，一旦量子计算突破，加密货币就被命中了死穴。
但要理解为什么这感觉像是一个转折点，我们必须回顾 20 世纪 60 年代和 70 年代，当时计算首次渗透到金融领域。
以 IBM 于 1964 年推出的 System/360 为代表的大型计算机是处理企业海量数据集的庞然大物。在股票市场中，它们自动执行账户对账等后台任务，并支持早期的程序化交易——根据预定义规则捆绑执行订单。
到了 20 世纪 70 年代，随着纽约证券交易所等交易所努力应对 20 世纪 60 年代牛市后交易量激增的问题，大型计算机变得不可或缺。它们可以处理大规模数据，减少错误，并将结算时间从几天缩短到几小时。
这个时代是量化交易的起步阶段：公司使用计算机进行统计套利，发现资产之间的错误定价。随后，华尔街开始向科技领域投入大量资金，认识到计算能力等同于竞争优势。
常常有人问，量化交易的社会价值何在？ 确实，量化交易只是纯粹的投机行为。
但回望历史，我们才知道，原来它曾哺育和推动了计算机技术的发展，如同游戏推动了人工智能的发展一样。
如今，量子计算与大型机的相似之处令人瞩目。正如大型机在金融领域数据密集型需求中找到了首个杀手级应用一样，量子处理器在经典方法无法解决的优化问题上表现出色。
汇丰银行的试验反映了这一历史转折：量子计算并非一夜之间取代人类或传统系统，就是在复杂性达到顶峰时增强了它们的性能。正如 20 世纪 70 年代小型计算机在大型机之外普及应用一样，像 IBM 的 Qiskit 堆栈这样的基于云的量子计算使这项技术变得触手可及，并有可能加速其普及。
历史表明，一旦金融界认可了一项技术，投资就会激增——IBM 的量子订单已经接近 10 亿美元，预计到 2035 年市场规模将达到 970 亿美元。
03¶
量子计算为何胜出？因为它解决了“维数灾难”，即经典计算呈指数级爆炸式增长的问题。
深入探究技术融合，汇丰银行演示的核心挑战在于处理“噪声”数据 —— 被波动性、不完整信息和相互依赖性所掩盖的市场信号。支持向量机等经典机器学习模型会映射数据以找到决策边界，但它们的维度扩展性较差。
量子核估计则颠覆了这一现状：量子比特在叠加态下可以同时探索巨大的解空间，从而更高效地估计核（相似性度量）。在债券领域，这意味着能够更好地识别报价响应中的模式，并更精确地预测成交。
这种混合设置——量子计算用于核计算，经典计算用于优化——无需容错量子硬件即可获得卓越的结果，而容错量子硬件的实现仍需数年时间
这并非债券领域独有。量子技术的威力延伸至量化金融的各个子领域，有望在受传统技术限制的领域带来颠覆性进展。例如，在投资组合优化中，量子近似优化算法 (QAOA) 等量子算法可以应对资产配置组合爆炸式增长，比传统求解器更快地将风险承受能力和相关性等约束纳入考量。
一篇 2024 年发表在 arXiv 上的关于量子机器学习的论文重点介绍了该领域的应用，并指出其在多资产投资组合中提升收益的潜力。
风险管理也将从中受益：用于在风险价值 (VaR) 计算中模拟尾部风险的蒙特卡洛模拟计算量巨大。正如国际清算银行 (BIS) 关于金融领域量子机遇的报告中所述，量子振幅估计通过二次方减少所需样本量来加速这些模拟。
对于衍生品定价（期权、掉期和奇异债券），量子技术可以彻底改变布莱克-斯科尔斯扩展模型，实时为复杂的路径相关工具定价。 Springer 2025 年的一篇评论强调了量子在这些领域的优势，有可能将计算时间从几小时缩短到几分钟。
04¶
然而，挑战依然存在。量子系统仍然容易出错，而扩展到容错能力则需要多年的努力。量子并非魔法 —— 糟糕的数据和糟糕的建模仍然会损害性能。
监管障碍也同样存在：如何审核量子模型的“黑匣子”决策？而且从伦理道德角度来看，技术差距的扩大可能会加剧市场不平等，从而有利于像汇丰银行这样财力雄厚的公司。
尽管如此，量子计算的势头不可否认。IBM 股价在公告发布后飙升 5%，投资者相信，如果 IBM 成功将这项技术商业化，它将主宰未来价值数万亿美元的成绩。摩根大通等竞争对手已经在探索类似的衍生品和优化算法。
如果说 20 世纪 70 年代教会了我们什么，那就是金融推动了科技创新。大型机起源于银行账本；而量子计算在债券交易预测上的突破，或许可以重新定义华尔街的 DNA。