量子科技中心_量科网

该研究调查了机器学习模型在股票预测中的性能与效能，对比了人工神经网络(ANNs)、量子比特神经网络(QQBNs)与量子三态神经网络(QQTNs)。通过阐述方法体系、架构设计和训练流程，研究揭示了不同模型在训练时长与性能指标上的显著差异。尽管所有模型均展现出70%以上的稳健准确率，但量子三态神经网络始终表现更优：其优势体现在夏普比率衡量的风险调整收益更高、信息系数反映的预测质量更稳定、以及不同市场条件下的鲁棒性更强。该模型不仅在多维度定量与定性指标上超越经典神经网络与量子比特神经网络，还能以显著缩短的训练时长实现相当性能。这些结果表明，在实时性至关重要的金融实务领域，量子三态神经网络具有广阔应用前景。通过实现精度、效率与适应性的三重突破，本研究提出的模型彰显了量子启发方法的变革潜力，为将其整合至计算密集型领域铺平了道路。