실시간 금융 예측을 위해 인공신경망(ANN), 양자 큐비트 신경망(QQBN), 양자 큐트리트 신경망(QQTN)의 성능과 효율을 비교 연구했다. 모든 모델이 70% 이상의 정확도를 보였으나, QQTN이 샤프 지수와 정보계수 측면에서 가장 우수한 위험 조정 수익률과 일관성, 시장 변동에 대한 견고성을 일관되게 나타냈다. 또한 학습 시간이 크게 단축되어 실시간 처리 환경에서의 실용성도 확보했다. 양자 영감 접근이 금융을 비롯한 계산 집약 분야로 확장 가능한 잠재력을 시사한다.
- •ANN·QQBN·QQTN 세 모델을 주가 예측 구조와 성능 면에서 비교
- •QQTN이 샤프 지수·정보계수 등 위험 조정 지표에서 우위
- •시장 변동 조건에서도 QQTN이 견고한 예측 품질 유지
- •학습 시간 단축으로 실시간 금융 응용에 적합
Quantum inspired qubit qutrit neural networks for real time financial forecasting
본문 미리보기
arXiv:2604.18838v1 Announce Type: new Abstract: This research investigates the performance and efficacy of machine learning models in stock prediction, comparing Artificial Neural Networks (ANNs), Quantum Qubit-based Neural Networks (QQBNs), and Quantum Qutrit-based Neural Networks (QQTNs). By outlining methodologies, architectures, and training procedures, the study highlights significant differences in training times and performance metrics across models. While all models demonstrate robust a
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
