使用量子 GAN 预测股票指数价格
机器学习
2025-12-24 v1 量子物理
摘要
本文研究了量子生成对抗网络（QGANs）在股票价格预测中的应用。金融市场本质上十分复杂，具有高波动性和错综复杂的模式，传统模型往往无法捕捉这些特征。QGANs 利用量子计算的能力，将生成模型的优势与量子机器学习技术相结合，提供了一种新颖的方法。我们实现了一个专为股票价格预测定制的 QGAN 模型，并使用历史股票市场数据评估了其性能。结果表明，QGANs 能够生成与实际市场行为高度相似的合成数据，从而提高预测准确性。实验使用股票指数价格数据和 AWS Braket SV1 模拟器来训练 QGAN 电路。在收敛速度和预测准确性方面，量子增强模型优于经典的 Long Short-Term Memory (LSTM) 和 GAN 模型。这项研究代表了将量子计算整合到金融预测中的关键一步，在速度和精度上相比传统方法具有潜在优势。这些发现对于寻求高级市场分析工具的交易员、金融分析师和研究人员具有重要意义。
引用
@article{arxiv.2509.12286,
title = {Prediction of Stocks Index Price using Quantum GANs},
author = {Sangram Deshpande and Gopal Ramesh Dahale and Sai Nandan Morapakula and Uday Wad},
journal= {arXiv preprint arXiv:2509.12286},
year = {2025}
}