量子灵感的 qubit qutrit 神经网络用于实时金融预测
人工智能
2026-04-22 v1 量子物理
摘要
本研究考察了人工神经网络（ANNs）、量子 Qubit 神经网络（QQBNs）和量子 Qutrit 神经网络（QQTNs）在股票预测中的性能与效能。通过阐述方法、架构和训练程序，研究突出了不同模型在训练时间和性能指标之间的显著差异。尽管所有模型在准确率上均表现良好（均超过 70%），但量子 Qutrit 神经网络在风险调整收益（夏普比率）方面始终领先，通过信息系数衡量其预测质量更一致，在不同市场条件下表现出更强的鲁棒性。QQTN 不仅在多个定量和定性指标上超越其经典和 qubit 版本，还以显著缩短的训练时间实现了可比性能。这些结果展示了量子 Qutrit 神经网络在实际金融应用中的前景，尤其是在关键实时处理场景下。通过实现更高的准确率、效率和适应性，所提出的模型凸显了量子灵感方法的变革性潜力，为其在计算密集型领域的集成铺平了道路。
引用
@article{arxiv.2604.18838,
title = {Quantum inspired qubit qutrit neural networks for real time financial forecasting},
author = {Kanishk Bakshi and Kathiravan Srinivasan},
journal= {arXiv preprint arXiv:2604.18838},
year = {2026}
}
备注
16 pages, 7 figures. Published in Scientific Reports (2025)