量子计算参与金融预测：准确率只高 0.77 个百分点，回测毛损益却高出 112%
BestBlog编程类文章 · 软件开发
📌 一句话摘要 FirstQFM 联合 Rigetti 在 108 量子比特上进行金融资产次日收益预测实验，量子模型方向准确率仅高 0.77 个百分点，但累计毛损益高出 112%，显示量子特征在损益优化上的潜在优势。 📝 详细摘要 FirstQFM、SW7 Group 与 Rigetti 合作，使用 108 量子比特超导处理器（实际调用 61-84 量子比特）进行金融资产次日收益预测实验。研究采用 18 项特征，测试 43 种匿名金融资产，覆盖 600 个样本外预测日期。量子模型方向预测准确率达 52.02%，仅高于最佳经典模型的 51.25%；但累计毛损益为 513，473，显著高于经典模型最佳的 242，100，提升约 112%。年化夏普比率也更高，达 1.22。量子模型在 48.5% 的预测中与经典模型意见相左，此时量子判断正确的比例为 50.89%。实验采用量子储层计算（QRC）生成特征，后接约 100 亿参数的经典预测模块。报告指出，实验样本有限，尚未公开独立复现数据，商业化价值仍需进一步验证。 💡 主要观点 量子模型在金融预测中准确率提升有限，但累计毛损益显著高于经典模型 实验显示量子模型方向准确率仅高出 0.77 个百分点，但因在损益计算中更有效地利用了量子生成的特征，最终累计毛损益高出 112%，年化夏普比率也更优。 量子模型常与经典模型意见相左，在分歧样本中取得微弱领先 在 48.5% 的预测中，量子模型给出相反答案，且此时量子判断正确的比例为 50.89%，表明其提供了与经典方法显著不同的预测信号。 实验采用量子储层计算（QRC）生成特征，后接大规模经典预测模块 QRC 将金融历史数据编码进入量子电路处理，生成新特征；随后由约 100 亿参数的经典模型完成收益判断，量子硬件承担特征提取任务。 实验样本有限，尚未提供独立复现数据，商业化价值待验证 600 个测试日期限制了指标估计精度，官方未公开拆分实验数据，报告未称其为广义量子优势，商业化应用潜力仍需进一步检验。 💬 文章金句 量子模型方向预测准确率达到 52.02%，高于最佳经典模型的 51.25%。 累计毛损益达到 513473，表现最好的经典模型为 242100，前者高出约 112%。 在 48.5% 的预测中，量子模型给出了相反答案。 量子模型在双方存在分歧的样本中，判断正确的比例为 50.89%。 📊 文章信息 AI 初评： 78 来源： 量子前哨 作者： 量子前哨 分类： 人工智能 语言： 中文 阅读时间： 11 分钟 字数： 2610 标签： AI 与智能应用 , 量子计算 , 机器学习 , 趋势观察 , 金融预测 阅读完整文章