Quantum Monte Carlo for Economics: Stress Testing and Macroeconomic Deep Learning

Disponible en format(s) : PDF

Les méthodes computationnelles ouvrent à l’analyse économique de nouveaux horizons, en même temps qu’elles limitent le périmètre des possibilités. Nous sommes les premiers à utiliser l’algorithme quantique de Monte-Carlo pour chercher à savoir si l’informatique quantique peut réduire les temps d’exécution des applications économiques, et à analyser les difficultés de l’entreprise. Nous déterminons qu’il existe un large ensemble de problèmes économiques dont la résolution est susceptible d’être améliorée. Nous montrons ensuite comment formuler deux applications et les programmer en langage des circuits quantiques. Il s’agit, d’une part, d’un modèle de test de résistance dans lequel les banques subissent des chocs de crédit et procèdent à des ventes en catastrophe, et d’autre part, d’un modèle d’équilibre général dynamique et stochastique résolu à l’aide de l’apprentissage profond. Grâce à ces applications, nous montrons encore que des gains d’efficience sont envisageables. Nous présentons enfin quelques innovations de notre cru, au sein même de l’algorithme de Monte-Carlo en version quantique, ainsi que dans la méthode employée pour le comparer à sa version classique.

DOI : https://doi.org/10.34989/swp-2022-29