答：金融行业中存在多种复杂的计算挑战，例如进行组合优化、模拟随机过程以及处理大型数据集等。量子计算机具有远超经典计算机的并行计算能力，原理上可以为金融领域的计算挑战带来全新的解决方案。然而，当前量子计算的硬件水平，仅在某些特定问题的处理速度上超越了经典超级计算机，而这些特定问题至少在目前看来并不具有实际应用的价值。按照量子计算技术的发展趋势，大约再经过5年，有望实现可以解决某些具有实际意义的问题的专用量子模拟机，但这些问题主要集中在物理学前沿研究领域，能否应用于金融领域仍然是未定之数。
值得指出的是，量子计算“应用”的准确意义是指对某些问题的求解能力超过经典超级计算机，也就是“量子优势”，否则就完全没有必要去费时费力研究量子计算机了。当前的量子计算硬件，当然可以运行一些算法，然而在不存在量子优势的情况下，这样的“应用”是无意义的。因此，可以准确地说，一些公司声称的量子计算可以用于投资组合优化等问题，仅仅是指运行了相关的算法，并不能超越经典超级计算机，对于解决实际问题是丝毫没有帮助的。
下面，以投资组合优化方面常用的优化问题为例来具体说明。
目前，量子退火和变分量子算法可用来近似求解优化问题。量子优化算法在金融中的可能应用场景有：投资组合优化，套利优化，金融网络结构优化等。在原理上，这类算法可以在有噪声的中等规模的量子计算机上实现，但是其量子优势目前没有明确的理论证明。在技术上，现阶段的量子计算机在线路噪声的影响下，量子算法的表现还会进一步下降。
例如，谷歌团队在其超导量子计算平台上演示了利用量子近似优化算法(QAOA)求解图优化问题[1]。对于连通度较高的非平面图，需要使用额外的量子门线路完成编码，而且随着图规模的增大，实验效果迅速下降直至完全失效。因此，在现阶段的量子计算机上，使用量子优化算法求解问题的能力还十分有限。
参考文献：
[1] Matthew P. Harrigan, Kevin J. Sung, Matthew Neeley, et al. Quantum approxi-mate optimization of non-planar graph problems on a planar superconducting processor. Nature Physics, 17(3):332–336, Feb2021.