By Kenna Hughes-Castleberry objavljeno 09. decembra 2022
Ko smo se navadili na ugodnosti digitalne tehnologije, smo pustili, da ta tehnologija prevzame našo finance, natančneje naše denarnice. Preveč preprosto je postalo prisluškovati našim kreditnim karticam ali uporabljati naše telefone za plačilo stvari, zaradi česar ima le nekaj ljudi s seboj gotovino. Kreditne kartice so tako priljubljene, zlasti v ZDA in zahodni Evropi, da okoli 79% ameriških potrošnikov je imelo leta 2020 vsaj eno kreditno kartico ali zamenjalo kartico, poroča Federal Reserve Bank of Atlanta. Ker ima tako veliko ljudi kreditne kartice, se številne banke in finančne ustanove spopadajo s postopkom vloge za kreditno kartico, kar ustvarja ozko grlo. To ozko grlo je samo eno od mnogih, ko gre za industrijo posojil. Kot kvantno računalništvo deluje za optimizacijo procesov in posledično za odpravo ozkih grl, lahko pomaga spremeniti celotno industrijo posojil v hitrejši in učinkovitejši stroj.
Razčlenitev posojilnega postopka
Ne glede na vrsto posojila (kreditna kartica, študentsko posojilo, hipoteka itd.), za katero zaprosite, obstaja veliko podobnih komponent v postopek prijave. Posojilodajalec preuči ozadje prosilca, zlasti njegove finance ali portfelj, da izračuna, kako verjetno je, da bo posojilo vrnil. Na podlagi zgodovine prosilca in dolžine posojila bo posojilodajalec izračunal specifično obrestno mero in morebitne provizije v pogojih posojila. Ker posojila predstavljajo obliko potencialnega tveganja za a banka ali finančna institucija, v katero so vpleteni upravljanje s tveganji. Kot smo razpravljali v prejšnjem članku, lahko kvantno računalništvo bistveno pomaga bankam in finančnim institucijam pri obvladovanju tveganj. Lahko pa tudi pospešijo postopek izposoje uporabo kvantnega strojnega učenja za hitrejše raziskovanje zgodovine prosilca ali obdelavo posojilnih dokumentov. Prav tako lahko pomagajo optimizirati obrestne mere, tako da sta tako posojilojemalec kot posojilodajalec zadovoljna. Ta tehnologija lahko tudi napove prihodnje trende obrestnih mer in ustrezno izračuna. Z uporabo vseh teh metod lahko banke in drugi posojilodajalci strankam ponudijo hitrejši, varnejši in bolj preračunljiv postopek ter tako zagotovijo večje zadovoljstvo.
Hipoteke v posojilni industriji
hipoteke so ena najpogostejših vrst posojil, za katera zaprosijo posamezniki, in so donosen del posojilne industrije. Z izjemno nizkimi obrestnimi merami v času COVID-a je bilo dokončanih več hipotek, zaradi česar so mnogi ugotovili, da bi bil postopek učinkovitejši, če bi bil digitalen. Glede na članek iz oktobra 2020 v Freddie Mac: »Skoraj 90 % bančnih in vodilnih direktorjev je izjavilo, da se je pandemija izkazala za močan katalizator za digitalizacijo hipotekarnega procesa njihovega podjetja, 85 % pa jih opisuje svoja prizadevanja za digitalizacijo hipotekarnega procesa pred COVID-19 kot agresivna ali zelo agresivna.« S kvantnim računalništvom hipoteke ne bi bile več samo digitalne, ampak bi jih bilo mogoče obdelati hitreje, stopnje pa se izračunajo tako, da optimizirajo obe strani.
Eno podjetje je že začelo postopek vrednotenja nepremičnin. leta 2019, Qindom objavil sporočilo za javnost, ki prikazuje uporabo kvantnega strojnega učenja pri ocenjevanju vrednosti nepremičnin za hipotekarne stopnje. Glede na sporočilo za javnost je imelo podjetje 30 % boljše rezultate kot vodilna podjetja Zillow in Redfin pri natančnem napovedovanju vrednosti nepremičnine, s čimer je prihranilo tako podjetju kot kupcu stanovanja. "Našli smo ključ za olajšanje trga, vrednega bilijon ameriških dolarjev," je dejal soustanovitelj Qindoma Yao Wang. "Naš sistem izvaja natančne napovedi o posameznih vrednostih stanovanj v Kanadi in ZDA in ima potencial, da razveže vozle, ki obstajajo v procesu nakupa, prodaje in vlaganja stanovanj." Medtem ko je Qindom vodil vlogo pri uporabi kvantnega računalništva za vrednost nepremičnine, morda ni bil tako uspešen, kot so mislili ljudje, saj podjetje od takrat ni naredilo nobenega koraka. 2018 (in jaz, Kenna, sploh ne najdem njihovega spletnega mesta). Ta tišina v dejavnosti podjetja bi lahko pomenila nekaj veliko hujšega kot le nizko stopnjo dejavnosti.
Pred Qindomom je poklicalo drugo podjetje Hipotekarne storitve GenPact razvil kvantni hipotekarni operacijski sistem (MOS), da bi bil postopek posojila bolj pregleden in poenostavljen. "Quantum MOS je resnično prilagodljiva posojilna rešitev, ki ponuja funkcionalnost kot celovita platforma z zmožnostjo prilagajanja storitev, da ustrezajo posebnim potrebam posojilodajalca, hkrati pa zniža stroške in znatno zmanjša ročno delo in tveganje," je dejal. Roger Hull, podpredsednik tehnologije pri GenPact, v sporočilu za javnost. Čeprav se ta izdelek zdi koristen, sporočilo za javnost ne omenja nobene posebne kvantne tehnologije ali celo kvantnega podjetja, ki bi se uporabljalo v tem sistemu. Poleg tega je bil MOS napovedan leta 2012, brez novejših poročil o njegovih uspehih (in brez komentarja tega pisca o tem).
Medtem ko tako Qindom kot GenPact Mortgage Services ponujata opozorilne, celo bele primere, druge finančne institucije še vedno vztrajajo pri partnerstvih s kvantno tehnologijo, da bi izboljšale svoje postopke posojanja. Standard Chartered Bank v Londonu je eden takih primerov, saj so pred kratkim sodelovali z Universities Space Research Association (USRA) za raziskovanje kvantnega računalništva in njegovih aplikacij. Alex Manson, globalni vodja SC Ventures pri Standard Chartered Bank, je v sporočilu za javnost povedal: »Svet je trenutno v procesu identifikacije primerov komercialne uporabe, kjer bodo zmogljivosti kvantnega računalnika presegle klasične računalnike. Prepričani smo, da bodo nekateri od teh primerov uporabe spremenili način obvladovanja tveganj v finančnih storitvah, na primer s simulacijo portfeljev in eksponentno pospeševanjem ustvarjanja tržnih podatkov.«
Kenna Hughes-Castleberry je zaposlena pisateljica pri Inside Quantum Technology in znanstveni komunikator pri JILA (partnerstvo med Univerzo Colorado Boulder in NIST). Njeni utripi pisanja vključujejo globoko tehnologijo, metaverzum in kvantno tehnologijo.
