Zagadka dywersyfikacji: qubity kontra korelacje aktywów

Dlaczego dywersyfikacja czasem zawodzi, gdy najbardziej na niej liczysz?

Dywersyfikacja opiera się na prostym założeniu: jeśli różne aktywa reagują inaczej na to samo wydarzenie, to wahania jednych będą łagodzone stabilnością innych. Problem w tym, że w stresujących momentach rynki często zaczynają „oddychać jednym płucem”. To, co na co dzień wygląda jak niezależność, w kryzysie bywa zsynchronizowane.

Dzieje się tak między innymi dlatego, że w trudnych okresach inwestorzy i instytucje podejmują podobne decyzje jednocześnie. Gdy liczy się płynność i szybkie ograniczanie ryzyka, wiele różnych klas aktywów może być sprzedawanych w tym samym czasie. Efekt? Korelacje rosną, a dywersyfikacja daje mniejszą ochronę niż „na papierze”.

Korelacja aktywów po ludzku: co mierzy, a czego nie

Korelacja to liczba opisująca, jak mocno dwie rzeczy poruszają się razem. Najczęściej mówi się o skali od -1 do 1: wartości bliskie 1 sugerują ruch „w tę samą stronę”, bliskie -1 „w przeciwne strony”, a okolice zera brak wyraźnego wspólnego rytmu.

Korelacja to nie „zależność na zawsze”

Korelacja jest historyczna i zmienna. Odpowiada na pytanie: „jak te dwie rzeczy zachowywały się w badanym okresie”, a nie: „jak będą zachowywać się zawsze”. W praktyce oznacza to, że portfel może wyglądać na dobrze zdywersyfikowany w spokojnych czasach, a potem tracić tę cechę, gdy zmienia się otoczenie.

Różne ryzyka, jedna reakcja tłumu

Nawet jeśli dwa aktywa mają inne „źródła” ryzyka, mogą reagować podobnie, gdy rynek wpada w tryb zbiorowego uproszczenia. W stresie wiele decyzji podejmuje się według jednego kryterium („zmniejszyć ekspozycję”), co potrafi zamazać różnice między aktywami. To jedna z przyczyn, dla których korelacje bywają sezonowe: inne w hossie, inne w bessie, inne w panice.

Qubit jako „zmienna, której nie widzisz w całości naraz”

Żeby sensownie zestawić qubity z korelacjami, potrzebujemy prostego obrazu qubita. Qubit to podstawowa jednostka informacji w komputerze kwantowym. Klasyczny bit jest jak przełącznik: 0 albo 1. Qubit jest bardziej jak wskazówka kompasu, która może być ustawiona w wielu „pośrednich” stanach, dopóki nie wykonasz pomiaru.

Superpozycja bez magii

W popularnym skrócie mówi się, że qubit jest „jednocześnie 0 i 1”. Bardziej uczciwie (i nadal po ludzku) brzmi to tak: qubit może opisywać mieszankę możliwości z określonymi prawdopodobieństwami, a jego zachowanie zależy od tego, jak go mierzysz. To ważne, bo w świecie kwantowym sam akt pomiaru jest częścią zjawiska, a nie neutralnym „podglądaniem”.

Pomiar i „wybór” wyniku

Gdy mierzysz qubit, dostajesz konkretny wynik, na przykład 0 albo 1. Przed pomiarem sensowniej jest myśleć o qubicie jako o opisie możliwości niż o ukrytej, ale „już ustalonej” wartości. To subtelność, która potem wróci przy rozmowie o korelacjach kwantowych.

Splątanie i korelacje: dlaczego analogia do rynków jest kusząca

Jeśli dwa qubity są splątane, ich wyniki pomiarów mogą być silnie skorelowane. I to w sposób, którego nie da się wytłumaczyć prostą historią w stylu: „one wcześniej ustaliły, co pokażą”. Brzmi jak metafora „wszystko jest połączone”, więc łatwo przenieść to na rynki. Ale tu trzeba ostrożności: podobieństwo dotyczy słowa „korelacja”, a nie mechanizmu.

Korelacje klasyczne vs kwantowe (w tle: granice klasyki)

W świecie klasycznym korelacje można sobie wyobrażać jako efekt wspólnej przyczyny. Na przykład dwa termometry w tym samym pokoju będą wskazywać podobną temperaturę, bo wpływa na nie to samo środowisko. W świecie kwantowym splątanie potrafi tworzyć korelacje, które są „silniejsze” niż to, co da się zasymulować przez proste wspólne ukryte zmienne. W fizyce opisuje się to m.in. testami nierówności Bella, ale nie musisz znać matematyki, żeby uchwycić sedno: kwantowe korelacje mają inną naturę niż klasyczne.

Co w tej analogii jest mylące

Rynki nie są układem kwantowym w sensie fizycznym. Korelacje aktywów wynikają z zachowań ludzi, instytucji, regulacji, płynności, oczekiwań i bodźców makroekonomicznych. Splątanie nie jest „ukrytą siłą”, która sprawia, że aktywa spadają razem. Jeśli więc ktoś sugeruje, że „kwantowa dywersyfikacja” to magiczny sposób na ucieczkę od ryzyka, to jest to raczej chwyt językowy niż opis rzeczywistości.

Mimo to analogia bywa użyteczna jako ćwiczenie myślowe: uczy, że korelacje nie są tylko własnością „pary obiektów”, ale zależą też od tego, w jakim ujęciu je obserwujesz i w jakim reżimie system działa. W finansach podobnie: to, co wygląda na niezależne w jednym okresie, może stać się skorelowane w innym.

Czy komputery kwantowe pomogą kiedyś w dywersyfikacji?

To pytanie ma dwie warstwy. Pierwsza jest praktyczna: czy obliczenia kwantowe pomogą szybciej liczyć złożone modele ryzyka i zależności? Druga jest bardziej „marketingowa”: czy dadzą przewagę, której nie da się dogonić klasycznie? Dziś sensownie jest trzymać się pierwszej warstwy i studzić emocje przy drugiej.

Optymalizacja portfela jako problem kombinatoryczny

Wiele zadań finansowych da się ubrać w język optymalizacji: wybierasz zestaw decyzji (np. ograniczenia, koszty, ekspozycje), a potem szukasz rozwiązania najlepszego według jakiegoś kryterium. Gdy dołożysz realne ograniczenia (progi, limity, koszty transakcyjne, warunki regulacyjne), problem potrafi stać się kombinatoryczny, czyli liczba możliwych konfiguracji rośnie bardzo szybko.

Komputery kwantowe są intensywnie badane właśnie pod kątem takich zadań. Pojawiają się tu nazwy w rodzaju QAOA (kwantowy algorytm optymalizacji przybliżonej) czy podejścia inspirowane wyżarzaniem (quantum annealing). Na razie to obszar eksperymentów i prototypów: obiecujący, ale daleki od „gwarantowanej przewagi” w realnych, szumiących danych rynkowych.

Symulowanie scenariuszy i zależności

Druga obietnica dotyczy symulacji. W wielu branżach komputery kwantowe mają potencjał przyspieszania symulacji pewnych klas zjawisk (szczególnie fizycznych). Finanse nie są fizyką, ale też korzystają z symulacji i scenariuszy. Jeśli kiedyś powstaną praktyczne algorytmy kwantowe, które pomogą szybciej generować i analizować złożone rozkłady zależności, mogłoby to ułatwić testowanie odporności portfeli na różne reżimy rynku.

Warto jednak powiedzieć to wprost: największym ograniczeniem nie zawsze jest moc obliczeniowa, tylko jakość modelu. Szybsze liczenie słabego modelu daje szybciej… słaby wynik. Dlatego tak dużo pracy w tym obszarze dotyczy nie tylko algorytmów, ale też tego, jak w ogóle sensownie opisywać zależności, gdy korelacje są niestabilne.

Realistyczny horyzont i ograniczenia

Dzisiejsze urządzenia kwantowe (tzw. era NISQ) są podatne na szum i mają ograniczoną skalę. To oznacza, że zastosowania „produkcyjne” w finansach są na razie w większości w fazie badań, demonstracji i porównań z metodami klasycznymi. Realistyczny wniosek jest spokojny: komputery kwantowe mogą stać się kolejnym narzędziem w skrzynce, ale nie są czarodziejską różdżką, która unieważni ryzyko.

Najciekawsza lekcja z qubitów: dywersyfikacja to przede wszystkim model korelacji

Jeśli miałbyś wynieść z tej „zagadki” jedno praktyczne (i nie-techniczne) spostrzeżenie, to właśnie to: dywersyfikacja nie polega wyłącznie na dodawaniu kolejnych pozycji, tylko na rozumieniu, kiedy i dlaczego zależności między nimi się zmieniają.

Myślenie kwantowe pomaga tu jako metafora: w kwantach to, co zobaczysz, zależy od kontekstu pomiaru; w finansach to, co nazywasz „niezależnością”, zależy od kontekstu rynku. W obu przypadkach zbyt prosta intuicja („to zawsze działa tak samo”) bywa kosztowna.

W codziennym, zdroworozsądkowym podejściu warto pamiętać o trzech pytaniach, które brzmią banalnie, ale często robią różnicę:

• Czy zakładam, że korelacje z przeszłości będą podobne w przyszłości, mimo że otoczenie może się zmienić?

• Czy rozumiem, co może stać się wspólną przyczyną ruchów „wszystkiego naraz” (płynność, sentyment, jedna dominująca narracja)?

• Czy mój obraz ryzyka uwzględnia, że w stresie rynek przechodzi w inny tryb działania, a nie tylko „przyspiesza” to, co było?

Najczęstsze pytania: qubity, korelacje i dywersyfikacja

Czy splątanie kwantowe ma cokolwiek wspólnego z korelacjami na rynkach?

Nie w sensie przyczynowym: korelacje rynkowe nie wynikają ze splątania, tylko z zachowań i mechanizmów ekonomicznych. Podobieństwo dotyczy jedynie tego, że w obu obszarach mówimy o „współzależności”, którą trzeba umieć opisać.

Dlaczego w kryzysie aktywa zaczynają być bardziej skorelowane?

Bo wiele decyzji jest podejmowanych jednocześnie według podobnych priorytetów (płynność, redukcja ryzyka), co synchronizuje ruchy cen. Wtedy różnice między aktywami schodzą na drugi plan.

Czy komputer kwantowy znajdzie „idealnie zdywersyfikowany” portfel?

Nie ma czegoś takiego jak idealna dywersyfikacja niezależna od kontekstu, bo korelacje i ryzyka zmieniają się w czasie. Komputery kwantowe mogą w przyszłości pomóc w liczeniu i przeszukiwaniu rozwiązań, ale nie usuwają niepewności świata.

Na czym polega przewaga qubitów w zadaniach optymalizacji?

Qubity pozwalają konstruować obliczenia, które eksplorują przestrzeń rozwiązań w inny sposób niż klasyczne bity, co bywa obiecujące w problemach kombinatorycznych. To jednak nadal obszar badań, a przewaga nie jest dziś uniwersalna ani gwarantowana.