Etapa 1 de 4 · Entender el oficio

Quantum finance: la computación cuántica que ya están preparando los grandes bancos

Qué es quantum finance, cómo funciona la computación cuántica sin fórmulas, qué aplicaciones tiene en el mercado financiero (pricing, riesgo, carteras, fraude) y cuánto están invirtiendo JPMorgan, HSBC o Goldman Sachs.

En este artículo
  1. Qué es quantum finance
  2. La computación cuántica, sin fórmulas
  3. Dónde puede ayudar en el mercado financiero
  4. El caso más claro: Monte Carlo más rápido
  5. Quién está invirtiendo y cuánto
  6. Qué es real hoy y qué es promesa
  7. Por qué importa si eres o quieres ser quant
  8. Lo que estoy pensando preparar
  9. Resumen

Hay una frase que se repite en los equipos de innovación de los grandes bancos: «no sabemos cuándo llegará, pero no podemos permitirnos llegar tarde». Habla de la computación cuántica, y es la razón por la que entidades como JPMorgan, HSBC o Goldman Sachs llevan años contratando físicos, firmando acuerdos con fabricantes de ordenadores cuánticos y publicando papers sobre cómo usarlos en finanzas.

A esa intersección se le suele llamar quantum finance. Yo vengo de la física, así que es un tema que me toca de cerca, y creo que es la siguiente gran ola del oficio quant. En este artículo te cuento qué es, para qué se quiere usar, cuánto dinero se está moviendo y, sobre todo, qué es real hoy y qué es todavía promesa.

Qué es quantum finance

Quantum finance (finanzas cuánticas) tiene dos significados que conviene separar:

  • Computación cuántica aplicada a las finanzas: usar ordenadores cuánticos, o algoritmos inspirados en ellos, para resolver problemas financieros que a un ordenador clásico le cuestan mucho tiempo. Es lo que se está invirtiendo y lo que trata este artículo.
  • Matemáticas de la física cuántica aplicadas a modelar mercados: una línea académica más antigua que usa el formalismo de la mecánica cuántica para describir precios y opciones. Interesante, pero minoritaria.

Cuando un banco dice que «está invirtiendo en cuántica», se refiere casi siempre a lo primero.

La computación cuántica, sin fórmulas

Un ordenador normal guarda la información en bits: cada uno vale 0 o 1. Un ordenador cuántico usa qubits, que además de 0 o 1 pueden estar en una superposición de ambos estados, y que se pueden entrelazar entre sí de forma que el estado de uno depende del de los demás.

Esto no significa que un ordenador cuántico «pruebe todas las soluciones a la vez» y te dé la mejor, que es la versión de divulgación más repetida y más falsa. Lo que ocurre es que los algoritmos cuánticos se diseñan para que las respuestas incorrectas se cancelen entre sí (interferencia) y la correcta salga reforzada. Eso solo funciona para ciertos tipos de problema, no para todo.

La idea clave: un ordenador cuántico no es un ordenador clásico más rápido. Es otra forma de calcular que, en problemas muy concretos, escala mucho mejor. Para el resto (abrir un Excel, entrenar la mayoría de modelos actuales) no sirve de nada.

Dónde puede ayudar en el mercado financiero

Los problemas donde los bancos buscan ventaja cuántica son los mismos que ocupan a un quant a diario. Si has leído el resto del blog, te sonarán:

ProblemaPor qué es difícil hoyQué prometería lo cuántico
Pricing de derivadosHay que simular millones de escenarios con Monte Carlo.Menos simulaciones para la misma precisión (amplitude estimation).
Riesgo de carteraCalcular el VaR de una cartera enorme obliga a repetir el cálculo muchas veces.La misma aceleración de Monte Carlo aplicada al riesgo y al ajuste de valoración de crédito (XVA).
Optimización de carterasCon restricciones reales (lotes, costes, límites), el problema de Markowitz se vuelve combinatorio.Algoritmos de optimización como QAOA o el recocido cuántico.
Detección de fraude y machine learningMuchos datos, patrones sutiles y pocas etiquetas.Modelos de aprendizaje automático cuántico, todavía muy experimentales.
CriptografíaLa seguridad bancaria descansa en problemas que un ordenador cuántico grande podría romper.Aquí lo cuántico es una amenaza: de ahí la criptografía post-cuántica.

El caso más claro: Monte Carlo más rápido

La aplicación mejor estudiada es la de valorar derivados. En Monte Carlo el error de tu estimación baja como 1/√N: para ganar un decimal de precisión necesitas 100 veces más simulaciones. El algoritmo cuántico de amplitude estimation baja el error como 1/N, una mejora cuadrática. Compáralo:

Python
import numpy as np

# Error de la estimación según el número de muestras N
N = np.array([100, 10_000, 1_000_000])

error_clasico = 1 / np.sqrt(N)    # Monte Carlo clásico
error_cuantico = 1 / N            # amplitude estimation (teórico)

for n, c, q in zip(N, error_clasico, error_cuantico):
    print(f"N = {n:>9,}  clásico {c:.4f}   cuántico {q:.6f}   ({c / q:,.0f}x mejor)")

# Muestras necesarias para llegar a un error del 0,01 %
objetivo = 1e-4
print("\nPara un error del 0,01 %:")
print(f"  clásico: {int(1 / objetivo**2):,} simulaciones")
print(f"  cuántico: {int(1 / objetivo):,} evaluaciones")

Esa diferencia, de cien millones de simulaciones a diez mil evaluaciones, es el motivo por el que Goldman Sachs publicó junto a una empresa de software cuántico un estudio sobre pricing de derivados. La parte honesta del estudio: para que la ventaja se materialice hacen falta del orden de miles de qubits lógicos (qubits corregidos de errores), y las máquinas actuales están muy lejos de eso.

Quién está invirtiendo y cuánto

Aquí es donde se ve que el sector se lo toma en serio. Algunos hitos públicos:

  • JPMorgan Chase es probablemente el banco más activo. Lidera una ronda de financiación de unos 300 millones de dólares en Quantinuum, tiene un equipo propio de investigación cuántica y publicó en 2025, junto a ese fabricante, un experimento de generación de aleatoriedad certificable. En octubre de 2025 anunció además una iniciativa de seguridad y resiliencia de 1,5 billones de dólares a diez años, de los cuales hasta 10.000 millones irán a inversiones directas de capital en sectores estratégicos, entre ellos la computación cuántica.
  • HSBC anunció en 2025 resultados con ordenadores cuánticos de IBM aplicados al trading de bonos: una mejora de hasta un 34 % al predecir la probabilidad de que se cierre una operación a un precio dado, frente a las técnicas clásicas con las que lo compararon.
  • Goldman Sachs es inversor de D-Wave desde hace más de una década y ha trabajado en la valoración de derivados con algoritmos cuánticos.
  • Hay además otros bancos, aseguradoras y gestoras con equipos o acuerdos propios; la lista crece cada trimestre.

Por el lado de los fabricantes, IBM, Google, Quantinuum, IonQ, Rigetti y D-Wave compiten por demostrar la primera máquina tolerante a fallos. IBM, por ejemplo, ha publicado una hoja de ruta con un ordenador tolerante a fallos hacia 2029.

Las cifras de inversión y los resultados cambian cada pocos meses; las que cito son las públicas en el momento de escribir esto. Si vas a tomar decisiones con ellas, contrástalas con las fuentes del final.

Qué es real hoy y qué es promesa

Para no vender humo, esta es la foto honesta a día de hoy:

  • Ventaja cuántica demostrada en finanzas: todavía no. Hay pruebas de concepto con resultados prometedores, pero no una aplicación financiera donde un ordenador cuántico supere de forma clara y rentable al mejor método clásico.
  • El hardware es ruidoso. Los qubits fallan con mucha facilidad y corregir errores exige muchísimos qubits físicos por cada qubit lógico. Ese es el cuello de botella del sector.
  • Los algoritmos clásicos mejoran también. Cada vez que un resultado cuántico parece superar a lo clásico, los investigadores suelen encontrar un método clásico mejor. La frontera se mueve en ambos lados.
  • La criptografía post-cuántica ya es real. NIST publicó en 2024 los primeros estándares de cifrado resistente a ordenadores cuánticos y los bancos están migrando a ellos. Es la parte con plazos y presupuesto concretos.
  • Algunos equipos han recortado. No todos los bancos mantienen el mismo ritmo: hay quien ha reducido sus equipos cuánticos por contención de costes. Es una carrera de fondo, no un sprint.

Por eso hablo de la computación del futuro y no de la del presente: la apuesta es que, cuando el hardware madure, quien ya tenga el conocimiento y los algoritmos listos tendrá años de ventaja. Es la misma lógica con la que los mismos bancos invirtieron en machine learning antes de que fuera obvio.

Por qué importa si eres o quieres ser quant

Un perfil que entienda a la vez finanzas cuantitativas y computación cuántica es hoy rarísimo, y los bancos y fondos que tienen equipos de investigación cuántica lo buscan activamente. La mayoría de quants no sabe nada de cuántica y la mayoría de físicos cuánticos no sabe nada de finanzas. Quien domine las dos mitades tiene un hueco enorme.

Y lo bueno es que la base es la misma: probabilidad, álgebra lineal, optimización y Python. Todo lo que recorre este blog sirve de cimiento para entrar en este campo.

Lo que estoy pensando preparar

Echo en falta algo que no existe en español: una formación específica de quantum finance, desde cero, que reúna en un solo recorrido todo lo que se conoce hoy. Qué es un qubit y cómo se programa, los algoritmos cuánticos que importan para finanzas (amplitude estimation, QAOA, optimización), cómo se aplican a pricing, riesgo y carteras, y dónde están de verdad los límites, con ejemplos en Python y sin presuponer que vienes de la física.

Todavía lo estoy pensando y no hay fecha. Si te interesa, lo mejor que puedes hacer es seguir este blog y ver la masterclass gratuita de arriba: ahí es donde iré contando las novedades. Y mientras tanto, la base quant que necesitas para entenderlo todo está en De 0 a Hedge Fund.

Resumen

  • Quantum finance es usar computación cuántica para resolver problemas financieros: pricing, riesgo, optimización de carteras, fraude.
  • La aplicación más estudiada es Monte Carlo cuántico, con una mejora cuadrática en precisión por muestra.
  • JPMorgan, HSBC, Goldman Sachs y muchos otros están invirtiendo desde ya en hardware, talento y pruebas de concepto.
  • La ventaja cuántica demostrada en finanzas aún no existe: es una apuesta a largo plazo, y la criptografía post-cuántica es la parte ya urgente.
  • Quien une finanzas cuantitativas con cuántica tendrá un perfil muy escaso. La base sigue siendo probabilidad, álgebra y Python.

Fuentes

Quantum Pablo

Sobre Quantum Pablo

Físico de partículas y quant. Enseño finanzas cuantitativas en español desde la intuición y con código: más de 400 alumnos en más de 25 países se han formado en Quantum Club. También en YouTube e Instagram.

Etapa 1 de 4 · Entender el oficio

  1. 01Qué es un quant y qué hace realmente en finanzas
  2. 02Cuánto gana un quant: sueldos en España, Europa y EE. UU.
  3. 03Citadel, Jane Street, Renaissance…: las grandes firmas quant y qué hace cada una
  4. 04Jim Simons y el Medallion Fund: el matemático que batió al mercado
  5. 05Cómo ser quant: hoja de ruta desde cero
  6. 06Quantum finance: la computación cuántica que ya están preparando los grandes bancos
Ver el recorrido completo →