QADQN：用于金融市场预测的量子注意力深度 Q 网络
量子物理
2025-01-24 v1 人工智能
机器学习
摘要
金融市场预测和最优交易策略开发因市场的复杂性和波动性而 remains 挑战性。我们的量子金融和强化学习决策研究表明，量子-经典混合算法可用于解决现实世界的金融挑战。本文引入了量子注意力深度 Q 网络 (QADQN) 方法，通过量子增强的强化学习来应对这些挑战。我们的 QADQN 架构在传统深度 Q 学习框架中使用变分量子电路，以利用决策中的可能量子优势。我们在包括 S&P 500 在内的主要市场指数的历史数据上测试了 QADQN 智能体的性能。通过检查其奖励积累和经验回放机制的有效性来评估智能体的学习过程。我们的实证结果表明，QADQN 表现优异，分别在非重叠和重叠测试期间实现了分别为 1.28 和 1.19 的 Sortino 比率，表明其有效的下行风险管理。
引用
@article{arxiv.2408.03088,
title = {QADQN: Quantum Attention Deep Q-Network for Financial Market Prediction},
author = {Siddhant Dutta and Nouhaila Innan and Alberto Marchisio and Sadok Ben Yahia and Muhammad Shafique},
journal= {arXiv preprint arXiv:2408.03088},
year = {2025}
}
备注
Accepted at the 2024 IEEE International Conference on Quantum Computing and Engineering (QCE24), QCRL, September 2024