Filippo Bonafè

Progetto di ricerca
Algoritmi di ottimizzazione quantistica e quantum machine learning per la finanza

Il progetto integra quantum computing, operations research e machine learning con l’economia dell’innovazione e la finanza sostenibile per supportare decisioni in contesti ad alta complessità e incertezza. L’obiettivo è progettare e valutare algoritmi di quantum optimization (annealing e gate‑based) e di quantum machine learning per problemi dove i metodi classici diventano onerosi: portfolio optimization con vincoli discreti e criteri ESG, analisi del rischio e pricing (ad es. VaR e simulazioni di scenari), rilevazione di frodi/anomalie, credit scoring e allocazione strategica multi‑periodo.

La ricerca svilupperà formulazioni e pipeline ibride e solver‑agnostiche, confrontandole con approcci classici su dataset e benchmark realistici, utilizzando metriche sia computazionali sia economiche (ad es. rischio‑rendimento, robustezza, indicatori coerenti con NPV). Il risultato atteso è una guida operativa che identifichi dove il quantum possa generare benefici misurabili oggi e come integrarlo in modo credibile nei processi decisionali finanziari.

Pubblicazioni

• Abstract, primo autore del contributo “Quantum Clustering for Behavioral Segmentation: A Solver-Neutral Pipeline and Experimental Evaluation”, accettato alla conferenza Optimization and Decision Science – ODS 2025 (Milano).