Liquidity Optimization in Gross Settlement Systems with Quantum Reordering: Application to TARGET2∗
Cette étude s’appuie sur notre algorithme quantique antérieur pour montrer que la réorganisation des paiements en attente peut réduire considérablement les besoins de liquidités. L’algorithme fonctionne bien pour les petits lots de paiements, tandis que les algorithmes traditionnels peuvent traiter de plus gros lots et permettre de réaliser des économies plus importantes. L’apprentissage automatique aide aussi à déterminer quelles caractéristiques des paiements offrent le plus grand potentiel d’amélioration.