面向金融风险分析的量子蒙特卡洛模拟：股权、利率与信用风险因子的情景生成

蒙特卡洛（MC）模拟广泛应用于金融风险管理，从估计风险价值（VaR）到场外衍生品定价。然而，由于收敛所需情景数量庞大，其计算成本显著。在概率分布已知时，量子振幅估计（QAE）算法相比经典对应方法在测量其性质上可提供二次加速。近期研究探索了通过用预计算概率分布初始化输入量子态来计算常见风险度量并优化QAE算法。但若此类分布无封闭形式，则需数值生成，相关计算成本可能限制量子优势。本文通过将情景生成——即模拟风险因子随时间演化以生成概率分布——纳入量子计算，规避了这一挑战；我们将此过程称为量子MC（QMC）模拟。具体而言，我们组装了实现股权（几何布朗运动）、利率（均值回复模型）和信用（结构式、约化式及评级迁移信用模型）风险因子随机模型的量子电路。随后我们将这些模型与QAE集成，为市场与信用风险用例提供端到端示例。