Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

arXiv:2208.04382 · Revista Brasileira de Ensino de Física

Quantum Finance: um tutorial de computação quântica aplicada ao mercado financeiro

Askery Canabarro, Taysa Mendes de Mendonça, Ranieri Nery, George Moreno, Anton S. Albino, Gleydson Fernandes de Jesus, Rafael Chaves

Published Jan 1, 2022• 11 citations
arXivHTMLPDF

Abstract

Antes restrita a uma área de fronteira da Física, a computação quântica é uma das áreas que mais tem crescido atualmente, justamente por suas aplicações tecnológicas em problemas de otimização, aprendizagem de máquina, segurança da informação e simulações. O objetivo deste artigo é introduzir os fundamentos da computação quântica, tendo como foco um algoritmo quântico promissor e sua aplicação a um problema do mercado financeiro. Mais especificamente, discutimos o problema da otimização de portfólio usando o Quantum Approximate Optimization Algorithm (QAOA). Não somente descrevemos os principais conceitos envolvidos, mas também consideramos exemplos simples práticos, envolvendo ativos financeiros disponíveis na bolsa brasileira, com códigos, tanto clássicos quanto quânticos, dísponíveis livremente em um Jupyter Notebook. Também analisamos em detalhes a qualidade das soluções de otimização combinatória de portfólio por meio do QAOA usando o simulador quântico ATOS QLM do SENAI/CIMATEC.

DOI
10.1590/1806-9126-rbef-2022-0099

Related papers

Otimização de Portfólios em Mercados Financeiros utilizando Computação Quântica: Um Estudo Experimental

Cláudio Filipe Prata Gomes

A computação quântica está prestes a mudar o mundo tal como o conhecemos. Através da exploração das propriedades da teoria quântica para fins computacionais, é esperada uma redução substancial na quantidade de problemas que hoje são considerados intratáveis. Isto significa que os computadores quânticos têm a capacidade de devolver soluções para alguns problemas de interesse prático para os quais um computador clássico não consegue devolver, pelo menos em tempo útil. Isto é ainda mais revolucionário e notável pelo facto de que esses problemas abrangem domínios multidisciplinares como Química, Medicina e, mais relevante no contexto desta dissertação, Finanças.Neste trabalho, vamos focar-nos na utilização da computação quântica para abordar um problema relevante e atual no domínio financeiro. Mais especificamente, um problema de otimização combinatorial, o problema de otimização de portfólios, que consiste em selecionar o melhor portfólio financeiro (combinação de ativos) entre um conjunto de todos os portfólios possíveis, de acordo com uma certa função objetivo, comummente de forma a maximizar o retorno esperado ou minimizar o risco. Devido ao grande número de parâmetros, como o retorno esperado por ativo e as condições de mercado, este problema atinge uma complexidade exponencial e é um problema NP-hard, intratável no contexto da computação clássica.Nós desenvolvemos um estudo empírico acerca da influência dos parâmetros nas soluções devolvidas por um computador quântico para o problema de otimização de portfólios. Em particular, utilizamos um computador quântico da D-Wave e variamos os parâmetros relacionados não só com o computador quântico, mas também com o problema de otimização de portfólios. Acreditamos que as conclusões do estudo são contribuições úteis para qualquer investigador que deseje utilizar computadores quânticos adiabáticos no contexto do problema de otimização de portfólios e também noutros domínios de aplicação.As nossas descobertas sugerem que os parâmetros têm efeito nos resultados, quer sejam relacionados com o problema de otimização de portfólios ou com o computador quântico. Além disso, também descobrimos que alguns dos parâmetros têm um grande impacto, tal como o chain strength, que define a força com a qual os qubits que representam uma variável estão correlacionados, e que outros não têm nenhum efeito estatisticamente significativo, tais como o anneal schedule ou o embedding.

•Jul 15, 2021•0 citations

Alocação ótima de portfólios: uma abordagem quântica para o mercado acionário brasileiro

Pedro Luiz Siviero Lucacin

Este estudo investiga a eficácia dos algoritmos quânticos Variational Quantum Eigensolver (VQE) e Quantum Approximate Optimization Algorithm (QAOA) no contexto de otimização de portfólios, comparando-os em termos de Sharpe Ratio com a solução do modelo clássico de média-variância e o índice amplo de mercado (IBOVESPA). A pesquisa realiza o backtesting das estratégias utilizando dados mensais do mercado acionário brasileiro, abordando o período de 2007 a 2023, e inclui análises tanto em computadores quânticos reais, quanto em simuladores. O estudo revela que os algoritmos quânticos se mostram competitivos, superando o modelo de média-variância, em termos de Sharpe Ratio, com significância estatística e apresentando menor índice de perdas. Esses resultados indicam que a computação quântica pode contribuir com soluções inovadoras e eficientes no campo das finanças, e abre novas perspectivas para pesquisas futuras sobre a aplicação da computação quântica em gestão de investimentos. O estudo também aborda os desafios atuais da computação quântica, como a baixa oferta de dispositivos, elevado tempo de espera em filas e backends com número reduzido de QUBITS.

•Jan 1, 2024•0 citations

COMPUTAÇÃO QUÂNTICA: DESAFIOS E SUAS POTENCIAIS APLICAÇÕES PRÁTICAS

Maria Nathalia da Silva Lima, Lucas dos Santos Silva, Francisco Abud Nascimento

Introdução: A computação quântica representa uma mudança fundamental em relação à computação clássica, ao utilizar princípios da mecânica quântica como superposição, emaranhamento e interferência. Desde as propostas iniciais de Feynman e Deutsch, a área tem avançado significativamente, embora ainda enfrente grandes desafios técnicos e conceituais para sua consolidação. Objetivo: analisar os principais desafios envolvidos no desenvolvimento da computação quântica e suas aplicações práticas potenciais, com destaque para os campos da criptografia, otimização, simulação de sistemas físicos e aprendizado de máquina. Metodologia: Consistiu-se na utilização de bases de dados eletrônicas mediante a realização de uma revisão integrativa da literatura e de um estudo descritivo com enfoque qualitativo. Tal processo foi conduzido a partir da seleção de artigos disponíveis na Scientific Electronic Library (SciELO), seguindo critérios de inclusão que priorizaram publicações dos últimos quatro anos, voltadas especificamente para estudos relacionados à computação quântica, com foco em avanços tecnológicos, gargalos técnicos e perspectivas futuras. Resultados e Discussão: Percebeu-se que a computação quântica tem avançado, mas ainda enfrenta desafios significativos. Na simulação de sistemas físicos e químicos, ela pode modelar moléculas complexas com grande precisão, beneficiando áreas como a farmacologia e a engenharia de materiais. Em otimização e logística, a computação quântica pode oferecer soluções mais rápidas para problemas de alocação e roteamento. Já na inteligência artificial, estudos sugerem que técnicas quânticas podem acelerar o processamento de dados e o treinamento de modelos, potencializando o desempenho de sistemas de aprendizado. Considerações: Apesar de ainda estar em estágio experimental, a computação quântica avança rapidamente e apresenta um enorme potencial disruptivo. No entanto, para que isso se concretize, será necessário superar desafios tecnológicos consideráveis por meio da colaboração entre universidades, empresas e governos.

Revista Contemporânea•Sep 5, 2025•0 citations

Simulação de um Algoritmo quântico, com Transformadas de Fourier quânticas

André Paulo Pires Miranda Ferreira da Silva

Computação quântica é uma área de grande desenvolvimento hoje em dia e isso traz uma necessidade para desenvolver hardware e software. Uma vez que o hardware disponível é muito pouco e o software precisa de ser testado, existe uma necessidade de uma boa plataforma para testar as soluções de software. Simular um computador quântico num computador clássico não é ideal, contudo é uma resposta viável a esta necessidade, para um pequeno número de qubits. Além disso, os computadores quânticos necessitam dos computadores clássicos de forma a criar um sistema real prático, isto apresenta-se como uma excelente oportunidade para testar técnicas de programação clássica para melhorar a programação quântica. Esta tese propõe o uso de programação clássica para melhorar a implementação de um algoritmo de adição modular usando transformadas de Fourier quânticas. Os principais objectivos deste trabalho são: simular um circuito quântico; testar um algoritmo quântico e compará-lo com o seu equivalente clássico; implementar o algoritmo de adição modular, usando as capacidades de aceleração de computação das transformadas de Fourier quânticas e optimizá-lo; Testar e implementar códigos quânticos de correcção de erros; fazer um teste num computador quântico real.De forma a testar a linguagem e comparar um algoritmo quântico com um clássico, fez-se um teste ao algoritmo de Shor que está disponível de raiz na plataforma liquid. Apesar do algoritmo de Shor ter, teoricamente, uma dependência de tipo polinomial com a dimensão do problema, os testes realizados mostraram que o tempo de computação tem um comportamento exponencial. Simular um algoritmo quântico num computador clássico requer tempo de computação que cresce de forma exponencial, pois é necessário armazenar e processar todos os estados do sistema, que é um espaço de Hilbert de dimensão 2^n.O algoritmo de adição modular usando transformadas de Fourier quânticas foi implementado na plataforma liquid. Seguidamente fizeram-se melhorias e optimizações. O número de operações teórico é O(n^2). Contudo, depois de fazer melhorias ao circuito, removendo gates desnecessárias para casos específicos, o número de operações passa a ter um valor mínimo de Omega(n). Com este tipo de alterações o sistema pode apresentar melhorias no que respeito ao tempo de simulação até um factor de ordem 10. Isto mostra que programar um algoritmo quântico tendo em conta casos específicos pode melhorar imenso o desempenho da simulação.Os códigos de correção de erros quânticos foram implementados num circuito simples, com as ferramentas disponíveis na plataforma liquid, e obteve-se um sistema que consegue lidar com erros com probabilidade inferior ou igual a 2%, com uma taxa de sucesso na sua correção de 95%. Contudo são necessários circuitos muito grandes, pouco exequíveis.A plataforma disponibilizada pela IBM para fazer testes num computador quântico real, foi utilizada para testar o algoritmo de adição modular e adição normal (com carry bit). Uma vez que esta plataforma tem um número limitado de gates, reforça a ideia de que se deve otimizar os algoritmos tendo em conta casos particulares. Os resultados destes testes mostram também que é importante utilizar correcção de erros quânticos, mas para que isso seja viável é necessário que haja mais qubits disponíveis ou outro tipo de códigos.

•Oct 10, 2018•0 citations

UM ENSAIO SOBRE OS FUNDAMENTOS DA COMPUTAÇÃO QUÂNTICA

Fernanda Bernardes da Silva Melo, Ronan Silva Ferreira

Uma das áreas do conhecimento mais relevante na atualidade é a computação quântica. Para se ter uma ideia, o verbete Quantum Computation aparece 4.750 vezes na base de dados acadêmica do Google1 , levando em conta apenas o ano de 2021. Pode-se dizer que este tema une ao menos duas grandes áreas: a física quântica e a ciência da computação. Particularmente, há uma interessante interface entre essas áreas: a inteligência artificial. Olhando especificamente para esta interface, temos dois aspectos cruciais: o aprendizado de máquina e a tomada de decisões. Estes temas terão profundas implicações com o que chamamos hoje de “supremacia quântica” - executar um algoritmo em um computador quântico que seja capaz de resolver um problema com uma aceleração “super-polinomial”, comparada aos computadores clássicos. Neste ensaio, buscamos destacar os fundamentos da computação quântica elucidando os conceitos de emaranhamento, paralelismo e a incapacidade de produzir cópias da unidade básica da computação quântica: o bit quântico ou, simplesmente, qubit.

•May 3, 2021•0 citations

Algoritmo QAOA como ferramenta de otimização estrutural: aplicação em modelagem por elementos finitos no aerodesign

Leonardo da Silva Araujo, Leonardo A. M. Souza, Ricardo de Carvalho Falcão +2 more

Resumo Neste trabalho estudamos a aplicação do Algoritmo Quântico de Otimização Aproximada, ou Quantum Approximate Optimization Algorithm (QAOA), em um problema de análise estrutural na área de aerodesign. O estudo foi conduzido a partir da modelagem de uma triquilha‡ simplificada projetada pela equipe Acauã Aerodesign, do Campus UFV Florestal. O problema de otimização foi formulado com base no Método dos Elementos Finitos, cujo objetivo consiste em determinar os deslocamentos nodais que minimizam a energia potencial da estrutura. Como a formulação original envolve variáveis contínuas, foi necessário realizar um mapeamento para a forma binária, atribuindo um conjunto de qubits a cada variável. Os resultados obtidos mostram que o aumento do número de qubits por variável conduz a uma redução do erro quadrático médio (MSE). Além disso, a análise da distribuição de probabilidades revelou que os estados mais prováveis tendem a concentrar-se em menores valores de energia e de MSE, indicando que o QAOA direciona a busca para candidatos mais promissores. Esses achados reforçam o potencial do QAOA para fornecer aproximações de soluções ótimas em problemas de análise estrutural, com desempenho que tende a evoluir de forma consistente com os avanços da tecnologia quântica.

Revista Brasileira de Ensino de Física•Jan 1, 2026•0 citations
Antes restrita a uma área de fronteira da Física, a computação quântica é uma das áreas que mais tem crescido atualmente, justamente por suas aplicações tecnológicas em problemas de otimização, aprendizagem de máquina, segurança da informação e simulações. O objetivo deste artigo é introduzir os fundamentos da computação quântica, tendo como foco um algoritmo quântico promissor e sua aplicação a um problema do mercado financeiro. Mais especificamente, discutimos o problema da otimização de portfólio usando o Quantum Approximate Optimization Algorithm (QAOA). Não somente descrevemos os principais conceitos envolvidos, mas também consideramos exemplos simples práticos, envolvendo ativos financeiros disponíveis na bolsa brasileira, com códigos, tanto clássicos quanto quânticos, dísponíveis livremente em um Jupyter Notebook. Também analisamos em detalhes a qualidade das soluções de otimização combinatória de portfólio por meio do QAOA usando o simulador quântico ATOS QLM do SENAI/CIMATEC.
A computação quântica está prestes a mudar o mundo tal como o conhecemos. Através da exploração das propriedades da teoria quântica para fins computacionais, é esperada uma redução substancial na quantidade de problemas que hoje são considerados intratáveis. Isto significa que os computadores quânticos têm a capacidade de devolver soluções para alguns problemas de interesse prático para os quais um computador clássico não consegue devolver, pelo menos em tempo útil. Isto é ainda mais revolucionário e notável pelo facto de que esses problemas abrangem domínios multidisciplinares como Química, Medicina e, mais relevante no contexto desta dissertação, Finanças.Neste trabalho, vamos focar-nos na utilização da computação quântica para abordar um problema relevante e atual no domínio financeiro. Mais especificamente, um problema de otimização combinatorial, o problema de otimização de portfólios, que consiste em selecionar o melhor portfólio financeiro (combinação de ativos) entre um conjunto de todos os portfólios possíveis, de acordo com uma certa função objetivo, comummente de forma a maximizar o retorno esperado ou minimizar o risco. Devido ao grande número de parâmetros, como o retorno esperado por ativo e as condições de mercado, este problema atinge uma complexidade exponencial e é um problema NP-hard, intratável no contexto da computação clássica.Nós desenvolvemos um estudo empírico acerca da influência dos parâmetros nas soluções devolvidas por um computador quântico para o problema de otimização de portfólios. Em particular, utilizamos um computador quântico da D-Wave e variamos os parâmetros relacionados não só com o computador quântico, mas também com o problema de otimização de portfólios. Acreditamos que as conclusões do estudo são contribuições úteis para qualquer investigador que deseje utilizar computadores quânticos adiabáticos no contexto do problema de otimização de portfólios e também noutros domínios de aplicação.As nossas descobertas sugerem que os parâmetros têm efeito nos resultados, quer sejam relacionados com o problema de otimização de portfólios ou com o computador quântico. Além disso, também descobrimos que alguns dos parâmetros têm um grande impacto, tal como o chain strength, que define a força com a qual os qubits que representam uma variável estão correlacionados, e que outros não têm nenhum efeito estatisticamente significativo, tais como o anneal schedule ou o embedding.
Este estudo investiga a eficácia dos algoritmos quânticos Variational Quantum Eigensolver (VQE) e Quantum Approximate Optimization Algorithm (QAOA) no contexto de otimização de portfólios, comparando-os em termos de Sharpe Ratio com a solução do modelo clássico de média-variância e o índice amplo de mercado (IBOVESPA). A pesquisa realiza o backtesting das estratégias utilizando dados mensais do mercado acionário brasileiro, abordando o período de 2007 a 2023, e inclui análises tanto em computadores quânticos reais, quanto em simuladores. O estudo revela que os algoritmos quânticos se mostram competitivos, superando o modelo de média-variância, em termos de Sharpe Ratio, com significância estatística e apresentando menor índice de perdas. Esses resultados indicam que a computação quântica pode contribuir com soluções inovadoras e eficientes no campo das finanças, e abre novas perspectivas para pesquisas futuras sobre a aplicação da computação quântica em gestão de investimentos. O estudo também aborda os desafios atuais da computação quântica, como a baixa oferta de dispositivos, elevado tempo de espera em filas e backends com número reduzido de QUBITS.
Introdução: A computação quântica representa uma mudança fundamental em relação à computação clássica, ao utilizar princípios da mecânica quântica como superposição, emaranhamento e interferência. Desde as propostas iniciais de Feynman e Deutsch, a área tem avançado significativamente, embora ainda enfrente grandes desafios técnicos e conceituais para sua consolidação. Objetivo: analisar os principais desafios envolvidos no desenvolvimento da computação quântica e suas aplicações práticas potenciais, com destaque para os campos da criptografia, otimização, simulação de sistemas físicos e aprendizado de máquina. Metodologia: Consistiu-se na utilização de bases de dados eletrônicas mediante a realização de uma revisão integrativa da literatura e de um estudo descritivo com enfoque qualitativo. Tal processo foi conduzido a partir da seleção de artigos disponíveis na Scientific Electronic Library (SciELO), seguindo critérios de inclusão que priorizaram publicações dos últimos quatro anos, voltadas especificamente para estudos relacionados à computação quântica, com foco em avanços tecnológicos, gargalos técnicos e perspectivas futuras. Resultados e Discussão: Percebeu-se que a computação quântica tem avançado, mas ainda enfrenta desafios significativos. Na simulação de sistemas físicos e químicos, ela pode modelar moléculas complexas com grande precisão, beneficiando áreas como a farmacologia e a engenharia de materiais. Em otimização e logística, a computação quântica pode oferecer soluções mais rápidas para problemas de alocação e roteamento. Já na inteligência artificial, estudos sugerem que técnicas quânticas podem acelerar o processamento de dados e o treinamento de modelos, potencializando o desempenho de sistemas de aprendizado. Considerações: Apesar de ainda estar em estágio experimental, a computação quântica avança rapidamente e apresenta um enorme potencial disruptivo. No entanto, para que isso se concretize, será necessário superar desafios tecnológicos consideráveis por meio da colaboração entre universidades, empresas e governos.
Computação quântica é uma área de grande desenvolvimento hoje em dia e isso traz uma necessidade para desenvolver hardware e software. Uma vez que o hardware disponível é muito pouco e o software precisa de ser testado, existe uma necessidade de uma boa plataforma para testar as soluções de software. Simular um computador quântico num computador clássico não é ideal, contudo é uma resposta viável a esta necessidade, para um pequeno número de qubits. Além disso, os computadores quânticos necessitam dos computadores clássicos de forma a criar um sistema real prático, isto apresenta-se como uma excelente oportunidade para testar técnicas de programação clássica para melhorar a programação quântica. Esta tese propõe o uso de programação clássica para melhorar a implementação de um algoritmo de adição modular usando transformadas de Fourier quânticas. Os principais objectivos deste trabalho são: simular um circuito quântico; testar um algoritmo quântico e compará-lo com o seu equivalente clássico; implementar o algoritmo de adição modular, usando as capacidades de aceleração de computação das transformadas de Fourier quânticas e optimizá-lo; Testar e implementar códigos quânticos de correcção de erros; fazer um teste num computador quântico real.De forma a testar a linguagem e comparar um algoritmo quântico com um clássico, fez-se um teste ao algoritmo de Shor que está disponível de raiz na plataforma liquid. Apesar do algoritmo de Shor ter, teoricamente, uma dependência de tipo polinomial com a dimensão do problema, os testes realizados mostraram que o tempo de computação tem um comportamento exponencial. Simular um algoritmo quântico num computador clássico requer tempo de computação que cresce de forma exponencial, pois é necessário armazenar e processar todos os estados do sistema, que é um espaço de Hilbert de dimensão 2^n.O algoritmo de adição modular usando transformadas de Fourier quânticas foi implementado na plataforma liquid. Seguidamente fizeram-se melhorias e optimizações. O número de operações teórico é O(n^2). Contudo, depois de fazer melhorias ao circuito, removendo gates desnecessárias para casos específicos, o número de operações passa a ter um valor mínimo de Omega(n). Com este tipo de alterações o sistema pode apresentar melhorias no que respeito ao tempo de simulação até um factor de ordem 10. Isto mostra que programar um algoritmo quântico tendo em conta casos específicos pode melhorar imenso o desempenho da simulação.Os códigos de correção de erros quânticos foram implementados num circuito simples, com as ferramentas disponíveis na plataforma liquid, e obteve-se um sistema que consegue lidar com erros com probabilidade inferior ou igual a 2%, com uma taxa de sucesso na sua correção de 95%. Contudo são necessários circuitos muito grandes, pouco exequíveis.A plataforma disponibilizada pela IBM para fazer testes num computador quântico real, foi utilizada para testar o algoritmo de adição modular e adição normal (com carry bit). Uma vez que esta plataforma tem um número limitado de gates, reforça a ideia de que se deve otimizar os algoritmos tendo em conta casos particulares. Os resultados destes testes mostram também que é importante utilizar correcção de erros quânticos, mas para que isso seja viável é necessário que haja mais qubits disponíveis ou outro tipo de códigos.
Uma das áreas do conhecimento mais relevante na atualidade é a computação quântica. Para se ter uma ideia, o verbete Quantum Computation aparece 4.750 vezes na base de dados acadêmica do Google1 , levando em conta apenas o ano de 2021. Pode-se dizer que este tema une ao menos duas grandes áreas: a física quântica e a ciência da computação. Particularmente, há uma interessante interface entre essas áreas: a inteligência artificial. Olhando especificamente para esta interface, temos dois aspectos cruciais: o aprendizado de máquina e a tomada de decisões. Estes temas terão profundas implicações com o que chamamos hoje de “supremacia quântica” - executar um algoritmo em um computador quântico que seja capaz de resolver um problema com uma aceleração “super-polinomial”, comparada aos computadores clássicos. Neste ensaio, buscamos destacar os fundamentos da computação quântica elucidando os conceitos de emaranhamento, paralelismo e a incapacidade de produzir cópias da unidade básica da computação quântica: o bit quântico ou, simplesmente, qubit.
Resumo Neste trabalho estudamos a aplicação do Algoritmo Quântico de Otimização Aproximada, ou Quantum Approximate Optimization Algorithm (QAOA), em um problema de análise estrutural na área de aerodesign. O estudo foi conduzido a partir da modelagem de uma triquilha‡ simplificada projetada pela equipe Acauã Aerodesign, do Campus UFV Florestal. O problema de otimização foi formulado com base no Método dos Elementos Finitos, cujo objetivo consiste em determinar os deslocamentos nodais que minimizam a energia potencial da estrutura. Como a formulação original envolve variáveis contínuas, foi necessário realizar um mapeamento para a forma binária, atribuindo um conjunto de qubits a cada variável. Os resultados obtidos mostram que o aumento do número de qubits por variável conduz a uma redução do erro quadrático médio (MSE). Além disso, a análise da distribuição de probabilidades revelou que os estados mais prováveis tendem a concentrar-se em menores valores de energia e de MSE, indicando que o QAOA direciona a busca para candidatos mais promissores. Esses achados reforçam o potencial do QAOA para fornecer aproximações de soluções ótimas em problemas de análise estrutural, com desempenho que tende a evoluir de forma consistente com os avanços da tecnologia quântica.