Otimização de carteira multiclasse via variational quantum Eigensolver com ansatz de estados de Dicke

Por que ideias quânticas importam para seus investimentos

Investidores modernos encaram um enigma: como distribuir seu capital entre muitos tipos de ativos para equilibrar risco e retorno, quando o número de combinações possíveis é astronomicamente grande? Este artigo explora como computadores quânticos emergentes, trabalhando em conjunto com algoritmos clássicos, podem ajudar a enfrentar esse desafio de forma mais eficiente, especialmente para carteiras que precisam ser diversificadas entre várias classes de ativos, como ações, títulos, commodities e criptomoedas.

O desafio de construir uma carteira equilibrada

Na prática, projetar uma carteira não é apenas perseguir altos retornos ou minimizar risco no papel. Grandes investidores, de bancos a fundos de pensão, são obrigados a diversificar: eles devem manter uma certa composição de tipos de ativos para não ficar excessivamente expostos a um único setor ou oscilação de mercado. Matematicamente, isso transforma o desenho de carteiras em um enorme quebra-cabeça. Cada ativo é incluído ou não, e regras rígidas especificam quantos ativos devem vir de cada classe. O número de carteiras possíveis pode ser impressionantemente grande, muito além do que uma busca simples consegue lidar. Métodos clássicos resolvem casos pequenos, mas para situações maiores e mais realistas, eles ou levam tempo demais ou entregam apenas respostas aproximadas.

Como circuitos quânticos entram em cena

Computadores quânticos processam informação em qubits, que podem representar muitos estados possíveis ao mesmo tempo. Uma família de métodos chamada algoritmos quânticos variacionais busca explorar isso preparando um estado quântico, mensurando-o e então usando um computador clássico para ajustar os parâmetros até que os resultados medidos sejam os melhores para a tarefa. Neste trabalho, os autores focam em um desses métodos, o Variational Quantum Eigensolver. O ingrediente chave é a forma como o estado quântico é preparado, conhecida como ansatz. Uma escolha ruim de ansatz desperdiça tempo explorando carteiras sem sentido que violam regras de diversificação; uma boa escolha direciona a busca quântica para candidatos úteis.

Uma maneira inteligente de codificar diversificação desde o início

A principal inovação deste artigo é usar uma família especial de estados quânticos, chamados estados de Dicke, para construir carteiras que obedecem automaticamente aos requisitos de diversificação. Em termos simples, um estado de Dicke é uma superposição sobre todas as combinações em que exatamente um número fixo de qubits está “ligado”. Se cada qubit representa a escolha de um ativo particular, isso significa que cada carteira candidata no estado quântico seleciona exatamente o número exigido de ativos. Ao combinar vários estados de Dicke—um por classe de ativo—os autores criam um estado quântico inicial que inclui apenas carteiras com o número correto de ações, títulos e outros tipos de ativos. Esse projeto reduz drasticamente o espaço de busca, passando de todas as carteiras imagináveis para apenas aquelas que respeitam as regras, eliminando a necessidade de termos de penalidade artificiais que normalmente punem escolhas inválidas.

Testando desempenho com carteiras simuladas

Como o hardware quântico atual ainda é ruidoso e pequeno, os autores testam sua abordagem usando simulações detalhadas. Eles comparam o ansatz baseado em Dicke com construções mais padrão em problemas de carteira de complexidade crescente, usando dados de mercado reais obtidos de fontes públicas. No lado clássico do loop híbrido, experimentam vários otimizadores que ajustam os parâmetros do circuito quântico. Em seus experimentos, o método baseado em Dicke tem maior probabilidade de encontrar a verdadeira melhor carteira e alcança aproximações de maior qualidade da solução ótima. Entre os otimizadores testados, um algoritmo chamado CMA-ES destaca-se: ele encontra a carteira diversificada correta com mais frequência e concentra mais probabilidade de medição nessa solução, especialmente quando lhe são permitidas mais iterações.

O que isso significa para a tecnologia de investimentos no futuro

Para um leitor não especializado, a principal conclusão é que este trabalho mostra como incorporar regras de investimento realistas—como diversificação—diretamente na estrutura de um cálculo quântico, em vez de adicioná-las depois. Ao partir de um estado quântico que já respeita as restrições, o método gasta menos esforço e se comporta de maneira mais estável nos testes. Embora o estudo dependa de simulações e ainda não afirme desempenho mais rápido do que as melhores ferramentas clássicas, ele aponta para uma rota promissora: circuitos quânticos especializados, emparelhados com otimizadores clássicos adequados, podem um dia ajudar instituições financeiras a enfrentar problemas de portfólio enormes e repletos de restrições que hoje são difíceis de tratar.

Citação: Scursulim, J.V.S., Langeloh, G.M., Beltran, V.L. et al. Multiclass portfolio optimization via variational quantum Eigensolver with Dicke state ansatz. Sci Rep 16, 6208 (2026). https://doi.org/10.1038/s41598-026-36333-4

Palavras-chave: computação quântica, otimização de carteira, diversificação, estados de Dicke, algoritmos híbridos