Ugrás a tartalomra
Megjelent az Elemzésközpont új Daytrade képzése: A 70 órás, 2026-os tananyag a rövid távú kereskedés legfontosabb technikáit mutatja be deviza-, index- és részvénypiaci példákon keresztül. Tanfolyam megtekintése

Kvantumszámítógépek: Hogyan működnek, melyek a veszélyei?

Szerző | Hírlevél | Facebook

A kvantumszámítógépek közeledő megjelenése alapjaiban változtathatja meg a pénzügyi szektort: gyorsabb számítások, új kereskedési algoritmusok és a jelenleg használt titkosítási módszerek egy részének feltörése várható. Cikkünk azt mutatja be, mit jelent a kvantumtechnológia, hogyan forgathatja fel a tőkepiacokat és miért válhatnak sérülékennyé a kriptovaluták és a banki rendszerek a kvantumkorszakban. Témák:

  • Mit jelent a kvantumszámítógép, kvantumtechnológia?
  • Milyen szerepe van a kvantumtechnológiának a tőkepiacon?
  • A kvantumtechnológia a kriptopénzek biztonságát is fenyegeti
  • Miért nincs veszélyben a pin kódunk?

Mit jelent a kvantumszámítógép, kvantumtechnológia?

A kvantumtechnológia a fizika legkisebb részecskéinek hétköznapi logikával alig leírható viselkedését használja ki. Ezek a részecskék (elektronok, fotonok, atomok) ugyanis képesek egyszerre több állapotban létezni, és olyan módon összekapcsolódni, hogy egyikük változása a másikra is azonnali hatással van, akár több kilométer távolságból is. Ezt nevezzük szuperpozíciónak és összefonódásnak, amely a kvantumfizika két alapjelensége.

Ezeket a tulajdonságokat használja ki a kvantumszámítógép, amely nem a hagyományos 0-1 logika szerint működik. Ugyanis amíg a mai számítógépek bitekből épülnek fel, amelyek vagy a 0 vagy 1 értékét vehetik fel, addig a kvantumszámítógépek ún. qubitjei 0 és 1 állapotát egyszerre is felvehetik. Ez olyan, mintha egy érmét nem csak fej vagy írás állapotban tárolnánk, hanem a kettő keverékében.

Ennek a látszólag apró változásnak ugyanakkor jelentős következménye van, mert egy kvantumszámítógép egyidejűleg több millió lehetséges számítási útvonalon tud haladni, miközben a klasszikus számítógépek ezeket csak egymás után, sorban tudnák végigpróbálni. Ezért mondják, hogy bizonyos feladatokban (például nagy portfóliók optimalizálásában, derivatívák árazásában vagy titkosítások feltörésében) a kvantumgépek nem egyszerűen gyorsabbak lesznek, hanem minőségi ugrást jelentenek.

Ma azonban még a legtöbb kvantumszámítógép kísérleti stádiumban van, a gépek működtetése költséges és instabil. De az elmúlt évek fejlődése azt jelzi, hogy a következő évtized meghatározó technológiájáról beszélünk, ráadásul a pénzügyi szektor területén jelentős változásokat okozhat a technológia. 

Milyen szerepe van a kvantumtechnológiának a tőkepiacon?

A pénz és tőkepiacok egyike azon területeknek, ahol jelentős változást hozhat a kvantumtechnológia, ugyanis ezen a területen hatalmas mennyiségű adatot kell feldolgozni, összetett, kevésbé kiszámítható rendszereket kell modellezni. 

Nézzük meg először Scriba és szerzőtársainak (2025) tanulmányát, amely a Monte Carlo-szimulációkhoz fejlesztett új kvantumalapú algoritmust mutatja be. A hagyományos Monte Carlo-eljárásnál a számítógép egymás után (részletek itt), sorban generál több millió lehetséges jövőbeli árfolyam-pályát, majd ezekből számítja ki portfóliók értékét vagy a kockázati mutatókat. Ezzel szemben a Scriba-féle kvantumalapú megközelítés a szuperpozíció elvét kihasználva egyetlen műveletben képes nagy számú forgatókönyvet párhuzamosan előállítani, ráadásul úgy, hogy nem támaszkodik oracle-függvényekre (monte carlo eljáráshoz elengedhetetlen). 

A szakirodalomban ma már találunk példát a kvantum alapú lineáris regresszióra is, amely nagyfrekvenciás arbitrázs-kereskedésben használható (Zhuang et al. 2024). A módszer előnye, hogy a klasszikus algoritmusok számítási ideje a megfigyelések és részvények számával négyzetesen nő, a kvantumos megoldás ezt gyökös léptékre tudja csökkenteni. Ez elméletben azt jelenti, hogy egy kvantumszámítógép sokkal gyorsabban ismerheti fel az árjegyzések közötti eltéréseket, amelyek meghatározzák a modern high-frequency trading világát.

Könnyel lehet, hogy a jövőben eljöhet a kvantumportfóliók ideje is. Ugyanis Griffin és Sampat (2021) tanulmányukban konkrét kvantum optimalizációs algoritmusokat teszteltek valós üzleti környezetben. A vizsgálat során kétféle kvantumos eljárást hasonlítottak össze a hagyományos módszerekkel (például mean-variance elemzés). A tesztek során a kvantumalgoritmus nem volt rosszabb, mint a klasszikus algoritmus, ami a ma még korlátozott kvantumhardverek mellett is kiemelkedő teljesítmény. A kutatók szerint ez a terület lesz az első, ahol néhány éven belül tényleges kvantumelőny érhető el.

Másik példaként kiemelhető, Coyle et al. (2025) munkája, akik a devizapiacokon alkalmaztak hagyományos generatív modelleket, és hasonlították össze egy kvantumgeneratív modellel, az úgynevezett Circuit Born Machine-nel. Az eredmények azt mutatták, hogy a kvantummodell valós devizapiaci adatokon jobban betanítható volt, vagyis pontosabban rekonstruálta a hozamok viselkedését. 

De ismert probléma, hogy a Black-Scholes opcióárazási modell részleges differenciálegyenlete gyorsan kezelhetetlenné válik, mert az egyenlet mérete exponenciálisan nő az eszközök számával. Ugyanakkor kísérleti fázisban már létezik olyan kvantum alapú megoldás (Miyamoto, Kubo, 2024), mely sokkal jobban kezeli a fenti exponenciális növekedést, így a jövőben ezek a megoldások teljesen átalakíthatják a a derivatívaárazást és banki kockázatkezelés mindennapi működését.

Bár a kvantumszámítógépek a legtöbb területen még kísérleti fázisban vannak, a kutatásokból már most látszik, hogy több, ma rendkívül számításigényes pénzügyi módszer gyökeresen átalakulhat: 

  • Quantum Amplitude Estimation (QAE) - Az egyik legfontosabb kvantumgyorsító módszer, amely a klasszikus Monte Carlo szimulációknál sokkal hatékonyabb.
  • Quantum Approximate Optimization Algorithm (QAOA) - Ez egy diszkrét optimalizációs problémákra készült kvantumalgoritmus, amely a jövőben hatékonyabban találhat jó portfólió-összeállításokat, mint a klasszikus módszerek.
  • Quantum Support Vector Machine (QSVM) - A QSVM olyan bonyolult, nemlineáris és magas dimenziójú mintázatokat is felismer, amelyek a hagyományos gépi tanulási algoritmusok számára már túl összetettek. Például a piaci rezsimváltások, a ritka anomáliák vagy a több száz tényezőt magában foglaló kereskedési minták.
  • Quantum Neural Networks (QNN) - A kvantumáramkörökre épülő neurális hálók olyan összefüggéseket is képesek feldolgozni, amelyeket a klasszikus deep learning rendszerek nem tudnak hatékonyan kezelni. Ezek a hálók a derivatívaárazás és a volatilitásmodellezés új eszközei lehetnek.
  • Quantum Linear Systems Algorithm (QLSA) - A pénzügyi matematikában rengeteg probléma redukálható lineáris egyenletrendszerek megoldására. Ilyen a regresszió, a faktorbecslés vagy akár a Black-Scholes numerikus megoldása. A QLSA ezeket elméletileg gyorsabban oldja meg, mint a klasszikus algoritmusok.

A kvantumtechnológia a kriptopénzek biztonságát is fenyegeti

A kvantumszámítógépek fejlődése nemcsak új lehetőségeket teremt, hanem komoly biztonsági kihívásokkal járhat együtt. A jelenleg használt kriptográfiai megoldások (amelyekre a banki adatvédelem és a kriptovaluták is épülnek) ugyanis olyan matematikai modelleken alapulnak, amelyeket egy kellően erős kvantumszámítógép akár percek alatt képes lehet feltörni. Leginkább a ma elterjedt RSA- és elliptikus-görbe alapú titkosítások válhatnak sérülékennyé, és ezt azért érdemes kiemelni, mert a kriptoeszközök világában ezek a meghatározó titkosítások.

 A kriptovaluták esetében a veszély ezért még nagyobb, mert a blokklánc-címek jelentős része már ma is olyan matematikai struktúrákat használ, amelyek kvantum-támadással visszafejthetők lennének. A témával kapcsolatban megjelenő új tanulmány szerint akár a Bitcoin-ökoszisztéma több száz milliárd dollárnyi eszköze kerülhet veszélybe (lásd alábbi képen), ha a kvantumhardver eléri azt a teljesítményt, amely képes a privát kulcsok visszafejtésére. A fentiek azt jelentik, hogy kvantumbiztos megoldások nélkül hosszú távon nem maradnak sértetlenek a blokklánc rendszerek.

Útmutató a bizonyítékon alapuló befektetéshez

Feliratkozás után elküldjük „A bizonyítékon alapuló befektetés alapjai” című útmutatónkat, amely empirikus kutatások alapján mutatja be, mi működik (és mi nem) a részvénypiacon hosszú távon.

Emellett értesítést kapsz az új, adatokra és tudományos vizsgálatokra épülő elemzéseinkről.


Az alábbi grafikon arról árulkodik, hogy a Bitcoin-hálózaton tárolt bitcoinok mintegy 30%-a lehet kitéve egy jövőbeli kvantumszámítógépes támadásnak. Ennek feltétele, hogy megjelenik egy olyan erős kvantumtechnológia, amely képes visszafejteni a publikus kulcsokat. A kockázatos címek két fő kategóriába tartoznak:

  • Vulnerable (Reused): olyan Bitcoin-címek, amelyeket már több tranzakcióban is használtak. Ilyenkor a publikus kulcs nyilvánossá válik.
  • Vulnerable (Non-Hashed): régi, nem hash-elt címek, ahol a publikus kulcs eleve látható. 

Miért probléma ez? Ha egyszer megjelenik egy elég erős kvantumszámítógép, akkor a látható publikus kulcsú címek potenciálisan feltörhetők lennének. Ráadásul sok olyan bitcoin is „visszatérhetne”, amelyet elveszett privát kulcs miatt ma halottnak hisz a piac. Ez pedig akár inflációs sokkot is okozhatna a BTC-ben.

Forrás: Bertucci (20225)

A kriptopiac már árazza a kvantumveszélyt?

Ahogy fentebb láthattuk, még a legnagyobb kriptoeszköz, a Bitcoin esetében is jelentős azoknak a coinoknak a száma, amelyeket olyan publikus kulcson tárolnak, amely elméletileg visszafejthető egy jövőbeli kvantumszámítógéppel. A kisebb kriptóknál ez az arány még magasabb, részben azért, mert a kriptoágazatban máig széles körben használják a kvantumszámítással törhető elliptikus-görbe alapú kriptográfiát.

Az alábbi ábra egy 2018. január és 2024. június közötti vizsgálat eredményeit mutatja. Ebben az időszakban a kutatók összegyűjtötték a kvantumszámításhoz kapcsolódó híreket (IBM, Google, Nvidia, akadémiai áttörések), valamint a főbb kriptovaluták árfolyam- és kereskedési adatait. A cél az volt, hogy meghatározzák átlagosan hány százalékkal változik egy-egy kriptoeszköz árfolyama közvetlenül egy kvantumáttörésről szóló hír megjelenése után.

A vizsgálat főbb eredményei szerint a small-cap altcoinok -0,8%, az ethereum: -0,3%, a bitcoin: -0,18 százalékos átlagos árrekcióval válaszol ezekre a hírekre, míg a QRL (Quantum Resistant Ledger) esetében +3 százalékos árhatás volt megfigyelhető.

Forrás: saját szerkesztés

A fentiekből látható, hogy:

  • minél nagyobb és ismertebb egy hagyományos kriptovaluta, annál kisebb mértékben reagál negatívan a kvantumhírekre,
  • a kisebb altcoinok sokkal érzékenyebbek, mivel a befektetők kevésbé bíznak a hálózatuk kvantumbiztosságában,
  • a QRL (Quantum Resistant Ledger) viszont az egyetlen olyan kriptoeszköz, amely kifejezetten pozitívan reagál a kvantumtechnológiai fejleményekre.

A fentiek oka, hogy a QRL-t eleve a kvantumszámítógépek elleni védelemre tervezték. A hálózat az XMSS (eXtended Merkle Signature Scheme) nevű kvantumbiztos aláírási rendszert alkalmazza. Ez azt jelenti, hogy egy működő, nagy teljesítményű kvantumszámítógép sem tudná visszafejteni a privát kulcsokat, a hálózat már ma is „post-quantum ready”, vagyis készen áll a kvantumkorszakra.

Miért nincs veszélyben a pin kódunk?

A fentiek után felmerülhet az olvasóban a kérdés, hogy ha a bonyolult titkosítási algoritmusokat használó rendszerek feltörhetők lesznek a jövőben, akkor mi a helyzet a bankszámlákkal, a bankkártya-pin kóddal, ahol a fentieknél sokkal egyszerűbb, sokszor négy számból álló kódot használunk. 

Fontos látni, hogy a pin-kód soha nem kerül elmentésre egyszerű számsorként a bankok rendszerében. Ezeket hash-elt, többször titkosított, tokenizált, hardver biztonsági modulokban (HSM) kezelt formában tárolják. Ezt nem lehet feltörni kvatumszámítógéppel. A PIN-kód tehát nem olyan titkosítás, amit a shor-algoritmus képes feltörni. A kvantumszámítógépek ún. shor-algoritmusa a banki adatok titkosítását tudja elméletileg feltörni, az alábbi titkosításokat:

  • RSA
  • Elliptikus görbe kriptográfia (ECC)
  • Digitális aláírások
  • HTTPS / TLS
  • E-mail titkosítás
  • Blockchain címsémák

A fentiek tehát shor-algoritmussal matematikai úton visszafejthetők, de ez nem tévesztendő össze a bruto force eljárással, melyben az összes lehetséges kombinációt végigpróbáljuk. Ez utóbbi azért nem működik, mert például egy bizonyos számú próbálkozás után a szolgáltatás letiltásra kerül (például a számlát/kártyát letiltják).  Amint tehát létezni fog egy erős kvantumszámítógép, a tranzakciók titkosítása feltörhető, a banki kommunikáció lehallgatható, a digitális aláírások hamisíthatók, számlatulajdonosok privát kulcsai visszafejthetők (kripto), az interneten átvitt összes régi adat visszafejthető. Robotok ezrei pásztázzák jelenleg is az internetet a “harvest now, decrypt later” elv alapján, azaz a ma gyűjtött adatok később visszafejthetők lesznek. 

Összegezve a fentieket. Bár a kvantumszámítógépek fejlődése ma még kísérleti stádiumban van, de a pénzügyi világra gyakorolt hatásuk már most kézzelfogható. A kvantumalapú módszerek új lehetőségeket teremtenek a kockázatkezelésben, portfólió-építésben és a nagy adathalmazok feldolgozásában, miközben komoly veszélyt jelentenek a ma használt kriptográfiai rendszerekre. A kriptovaluták egy része már reagál a kvantumhírekre, az elliptikus-görbe alapú titkosítás pedig hosszabb távon fenntarthatatlanná válhat. A banki PIN-kódok ugyan biztonságban vannak, de a kommunikáció titkosítása és a digitális aláírások cserére szorulnak. A következő évtized egyik kulcskérdése az lesz, hogy a globális pénzügyi infrastruktúra milyen gyorsan képes átállni a kvantumbiztos megoldásokra.

Források:

  • Miyamoto, S., & Kubo, R. (2023). Quantum algorithm for solving the multi-asset Black–Scholes equation.
  • Coyle, B., Henderson, M., Le, J. C. J., Kumar, N., Paini, M., & Kashefi, E. (2021). Quantum versus classical generative modelling in finance. Quantum Science and Technology, 6(2), 024013.
  • Griffin, P., & Sampat, R. (2021). Quantum computing for supply chain finance. In 2021 IEEE International Conference on Services Computing (SCC) (pp. 456–459). IEEE.
  • Huang, X.-N., Chen, Z.-Y., Wu, Y.-C., & Guo, G.-P. (2024). Quantum computational quantitative trading: High-frequency statistical arbitrage algorithm. New Journal of Physics.
  • Scriba, R., Li, Y., & Wang, J. B. (2025). Monte-Carlo option pricing in quantum parallel.
Tanfolyamaink – fejleszd pénzügyi tudásod!

Ha szeretnél elmélyedni a befektetések világában, válassz az alábbi gyakorlatorientált képzések közül:

  • Befektetés: kezdőknek szóló tanfolyam a portfóliókialakításról, részletek itt.
  • Tőzsdei kereskedés: magyar és külföldi piacok gyakorlati bemutatása, technikai és fundamentális elemzéssel, részletek itt.
  • Daytrade kereskedés: intenzív, rövid távú stratégiák devizákkal és részvényekkel, napi kereskedőknek, részletek itt.
  • Bitcoin és kriptoeszközök: modern, jövőorientált képzés a legújabb blokklánc-trendekről és kriptokereskedésről, részletek itt.
  • Adatelemzés: kvantitatív módszerek gyakorlati bemutatása valódi tőkepiaci adatokon, programozás nélkül, részletek itt.