典型文献
基于混合量子−经典神经网络模型的股价预测
文献摘要：
股票预测本质上是数据挖掘的问题,大盘走势是一个很好的股票买卖时机抉择信号.在量化分析中,常用深度学习技术对大盘历史数据进行拟合与特征提取,为股票投资提供决策参考.该文首先训练了一个经典深度神经网络对沪深300的日K量价数据进行监督学习,实现了一个输出"涨跌"概率的二分类预测器,并以此制定策略进行模拟交易,利用测试集数据计算累积收益率,从而评估投资策略的优劣.此外,还构造了一种混合量子?经典神经网络模型,充分利用量子计算的线路模型特点,构造参数化变分量子线路,实现了量子前馈神经网络.在量子线路学习框架中,将股票的特征因子编码到量子态的振幅上,通过训练量子神经网络U的参数θ,迭代得到一个最优的分类器.量子算法的运行时间比经典算法少了7.7%,预测准确率更高,回报率高出3%,因此证明了量子算法的表达力强、鲁棒性高的特点.
文献关键词：
深度学习;混合量子-经典神经网络;量子金融;股价预测;技术面因子
中图分类号：
作者姓名：
张晓旭;高振涛;吴磊;李鑫;卢明静
作者机构：
建信金融科技有限责任公司 上海 浦东新区 200120;四川元匠科技有限公司 成都 611730
文献出处：
引用格式：
[1]张晓旭;高振涛;吴磊;李鑫;卢明静-.基于混合量子−经典神经网络模型的股价预测)[J].电子科技大学学报,2022(01):16-23
A类：
变分量子线路,量子金融,技术面因子
B类：
混合量,股价预测,股票预测,大盘走势,股票买卖,抉择,深度学习技术,历史数据,股票投资,决策参考,深度神经网络,监督学习,涨跌,二分类,分类预测,预测器,定策,测试集,数据计算,累积收益,收益率,投资策略,量子计算,模型特点,参数化,前馈神经网络,路学,特征因子,因子编码,量子态,训练量,量子神经网络,分类器,量子算法,运行时间比,预测准确率,回报率,表达力
AB值：
0.402291
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
