Mediobanca entra nel capitale di finQbit, startup polacca che sviluppa software ibrido, tra calcolo classico e quantistico, per il pricing dei derivati, la modellizzazione dei tassi di interesse e la gestione del rischio di mercato. L’operazione avviene attraverso il programma congiunto con Founders Factory, venture builder e investitore early-stage londinese. L’ammontare dell’investimento e la quota acquisita non sono stati resi pubblici.
La notizia è insolita soprattutto per il perimetro tecnologico. Nella finanza il quantum computing viene spesso associato alla sicurezza informatica e al rischio che futuri computer quantistici pongono alla crittografia. finQbit lavora invece sul lato operativo dei grandi intermediari: i calcoli necessari per valutare strumenti finanziari complessi, simulare scenari di mercato e misurare l’esposizione al rischio.
Indice degli argomenti
Una partnership europea per il quantum computing nella finanza
Mediobanca e Founders Factory collaborano dal luglio 2023. La banca italiana aveva destinato 12 milioni di euro alla joint venture, con l’obiettivo di creare o sostenere 35 fintech nell’arco di cinque anni. L’ingresso in finQbit estende quel percorso verso un segmento deep tech ancora poco frequentato dal venture capital bancario italiano.
L’operazione riunisce tre ecosistemi diversi: una banca italiana con competenze nell’investment banking e nel wealth management, una piattaforma di venture building con sede a Londra e una società nata in Polonia. Per una startup che ambisce a vendere tecnologia alle istituzioni finanziarie internazionali, la presenza di un investitore bancario può contare quanto il capitale: impone fin dall’inizio un confronto con requisiti di affidabilità, integrazione e controllo dei modelli molto più severi rispetto a quelli di molti altri mercati software.
finQbit ha sviluppato il proprio percorso anche attraverso il Venture Incubation Program di 28Digital, che la indica tra le startup di quantum finance passate poi da Techstars, Creative Destruction Lab e programmi di innovazione europei. La società ha inoltre completato il percorso 2024-25 di Creative Destruction Lab Quantum, programma canadese dedicato alle imprese quantistiche.
Perché i derivati e il rischio di mercato sono un caso d’uso
Il problema affrontato da finQbit è concreto: le banche devono eseguire moltissime simulazioni per stimare il valore di strumenti finanziari e l’impatto di variazioni simultanee di tassi, prezzi, valute e volatilità. Il metodo Monte Carlo, molto usato nella finanza quantitativa, ripete un calcolo su un grande numero di scenari possibili. All’aumentare delle variabili, del dettaglio richiesto e della frequenza di aggiornamento, crescono anche costi computazionali e tempi di elaborazione.
La startup propone un’infrastruttura in cui il calcolo classico resta centrale e gli algoritmi quantistici vengono impiegati nelle componenti più complesse. È un’impostazione coerente con quanto emerge dal Quantum Technology Monitor 2026 di McKinsey: il ritorno economico del quantum computing nel breve e medio periodo rimane difficile da quantificare e la maggior parte delle applicazioni è ancora sperimentale o ibrida.
La promessa, dunque, non riguarda la sostituzione immediata dei sistemi bancari esistenti. Riguarda la possibilità di migliorare, a determinate condizioni, precisione e rapidità di simulazioni che oggi richiedono grandi capacità di calcolo. Per una banca, il vantaggio potenziale si misura nel tempo necessario per aggiornare una valutazione, nella qualità degli scenari analizzati e nella capacità di verificare esposizioni complesse durante la giornata operativa.
Un calcolo più accurato non modifica automaticamente requisiti patrimoniali o vincoli regolamentari. I modelli impiegati dalle banche devono essere validati, documentati, verificabili e coerenti con le regole prudenziali. È proprio questa distanza tra un algoritmo promettente e un processo regolato a rendere significativo l’ingresso di un investitore bancario.
La ricerca finanziaria incontra gli algoritmi quantistici
Il profilo tecnico di finQbit include il professor Dariusz Gątarek, coautore con Alan Brace e Marek Musiela del modello pubblicato nel 1997 su Mathematical Finance, The Market Model of Interest Rate Dynamics. Il modello Brace-Gatarek-Musiela è uno dei riferimenti nella modellizzazione dei tassi e nella valutazione di strumenti come cap, floor e swaption.
Nel team è presente anche Michał Studziński, professore associato dell’Università di Danzica e responsabile di un progetto sulle computazioni quantistiche di ordine superiore finanziato dal National Science Centre polacco.
A rafforzare l’advisory board arriva Zbigniew Jagiełło, per dodici anni presidente del consiglio di amministrazione di PKO Bank Polski. Jagiełło è anche indicato dal sistema di pagamenti BLIK come ideatore e co-creatore della piattaforma mobile nata dall’app IKO di PKO Bank Polski. Il suo ingresso aggiunge all’operazione una competenza specifica sulla commercializzazione di tecnologie finanziarie presso grandi istituzioni e sulla costruzione di infrastrutture adottate dal mercato.
Opportunità reali, ma l’hardware non è ancora maturo
La Banca dei regolamenti internazionali, nel paper Quantum computing and the financial system: opportunities and risksdell’ottobre 2024, colloca tra i possibili impieghi del calcolo quantistico lo stress test, l’asset pricing, l’ottimizzazione di portafoglio e la valutazione del rischio. I computer quantistici sono ancora in fase sperimentale e non vanno sottovalutati i rischi per la crittografia finanziaria.
La sfida per finQbit sarà trasformare la ricerca in risultati replicabili sui dati e sui flussi operativi delle banche. Serviranno verifiche indipendenti delle prestazioni, integrazione con le piattaforme esistenti, governance del modello e una chiara dimostrazione del vantaggio rispetto alle soluzioni classiche ad alte prestazioni.
L’investimento di Mediobanca indica che il quantum computing nella finanza è entrato nella fase in cui banche e startup provano a definire casi d’uso circoscritti. La partita si gioca sui problemi che richiedono più calcolo, sulle condizioni di adozione e sulla capacità di costruire software utilizzabile prima che l’hardware quantistico raggiunga piena maturità.
Partecipa alla community