量子科技中心_量科网

该研究通过针对10种模型在多种加密资产上的广泛回测，对自动做市商（AMM）与去中心化金融（DeFi）交易策略中的量子机器学习（QML）与经典机器学习（CML）方法进行了全面实证比较。分析涵盖经典机器学习模型（随机森林、梯度提升、逻辑回归）、纯量子模型（VQE分类器、量子神经网络、量子支持向量机）、量子-经典混合模型（QASA混合模型、QASA序列模型、QuantumRWKV）以及Transformer模型。结果表明：混合量子模型以11.2%的平均收益率和1.42的平均夏普比率取得最优综合表现，而经典机器学习模型表现为9.8%的平均收益率和1.47的平均夏普比率。其中QASA序列混合模型以13.99%的最高单项收益率和1.76的最佳夏普比率，验证了量子-经典混合方法在AMM与DeFi交易策略中的潜力。