論文の概要: Quantum generative modeling for financial time series with temporal correlations

• arxiv url: http://arxiv.org/abs/2507.22035v1
• Date: Tue, 29 Jul 2025 17:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 15:30:30.215358
• Title: Quantum generative modeling for financial time series with temporal correlations
• Title（参考訳）: 時間相関を考慮した財務時系列の量子生成モデル
• Authors: David Dechant, Eliot Schwander, Lucas van Drooge, Charles Moussa, Diego Garlaschelli, Vedran Dunjko, Jordi Tura,
• Abstract要約: 本稿では,QGANの量子インスピレーションモデルにおける量子相関が,金融時系列の生成に有効かどうかを考察する。 量子発生器と古典的判別器から構成されるQGANを訓練し、量子発生器をシミュレーションするための2つのアプローチを検討する。
• 参考スコア（独自算出の注目度）: 0.9636431845459937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum generative adversarial networks (QGANs) have been investigated as a method for generating synthetic data with the goal of augmenting training data sets for neural networks. This is especially relevant for financial time series, since we only ever observe one realization of the process, namely the historical evolution of the market, which is further limited by data availability and the age of the market. However, for classical generative adversarial networks it has been shown that generated data may (often) not exhibit desired properties (also called stylized facts), such as matching a certain distribution or showing specific temporal correlations. Here, we investigate whether quantum correlations in quantum inspired models of QGANs can help in the generation of financial time series. We train QGANs, composed of a quantum generator and a classical discriminator, and investigate two approaches for simulating the quantum generator: a full simulation of the quantum circuits, and an approximate simulation using tensor network methods. We tested how the choice of hyperparameters, such as the circuit depth and bond dimensions, influenced the quality of the generated time series. The QGAN that we trained generate synthetic financial time series that not only match the target distribution but also exhibit the desired temporal correlations, with the quality of each property depending on the hyperparameters and simulation method.
• Abstract（参考訳）: ニューラルネットワークのトレーニングデータセットを増強することを目的とした合成データ生成手法として,量子生成逆数ネットワーク (QGAN) が研究されている。 これは金融時系列に特に関係している、なぜなら私たちはこのプロセスの実現、すなわち、データの可用性と市場の年齢によってさらに制限された市場の歴史的進化を1つしか観察していないからである。 しかし、古典的生成逆数ネットワークでは、生成されたデータは、特定の分布の一致や特定の時間的相関を示すなど、望ましい性質(スタイル化された事実とも呼ばれる)を示さない(しばしば)ことが示されている。 本稿では、QGANの量子インスピレーションモデルにおける量子相関が、金融時系列の生成に有効かどうかを検討する。 量子発生器と古典的判別器から構成されるQGANを訓練し、量子発生器をシミュレーションするための2つのアプローチ、量子回路の完全なシミュレーションとテンソルネットワーク法を用いた近似シミュレーションについて検討する。 回路深さや結合寸法などのハイパーパラメータの選択が生成時系列の品質にどのように影響するかを検証した。 学習したQGANは,目標分布に適合するだけでなく,所望の時間的相関を示す合成財務時系列を生成する。

関連論文リスト

• Robust Group Anomaly Detection for Quasi-Periodic Network Time Series [47.60720976101336]
  本稿では,ネットワーク時系列データベース内の異常で興味深い時系列を識別するフレームワークを提案する。 本稿では,Seq2GMMモデルを効率よく学習できるサロゲートに基づく最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-06-20T08:11:04Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [55.09326865401653]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Entanglement for Pattern Learning in Temporal Data with Logarithmic Complexity: Benchmarking on IBM Quantum Hardware [1.2277343096128712]
  時系列予測は、気候モデリングから分子動力学まで、科学的および技術的領域の基礎となっている。 時間的依存関係を学習するために、絡み合いに基づくパラメータ化量子回路を利用する量子ネイティブ時系列予測フレームワークを提案する。 数値天気予報に使用される測地的高さ場を含む,合成および実世界のデータセットの古典的モデルに対して,QTSをベンチマークする。
  論文  参考訳（メタデータ） (2025-05-30T12:16:08Z)
• Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
  本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。 その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
  論文  参考訳（メタデータ） (2025-04-30T19:09:12Z)
• Closing the Gap Between Synthetic and Ground Truth Time Series Distributions via Neural Mapping [1.3927943269211591]
  ベクトル量子化時系列ジェネレータ(NM-VQTSG)のためのニューラルマッパーを提案する。 NM-VQTSGはベクトル量子化(VQ)時系列生成における忠実度問題に対処する新しい手法である。 UCR時系列分類アーカイブからNM-VQTSGを多種多様なデータセットで評価した。
  論文  参考訳（メタデータ） (2025-01-29T10:41:48Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• Density Matrix Emulation of Quantum Recurrent Neural Networks for Multivariate Time Series Prediction [3.1690235522182104]
  QRNNの可能性を探求する主要な短期的な代替手段としてエミュレーションが生まれている。 時系列からの現在および過去の情報が回路を介してどのように送信されるかを示す。 我々は、学習可能なパラメータに関して、ネットワーク出力の分析勾配とヘシアンを導出する。
  論文  参考訳（メタデータ） (2023-10-31T17:32:11Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• A quantum generative model for multi-dimensional time series using Hamiltonian learning [0.0]
  このような特徴を符号化する手法として,量子力学のシミュレートに量子コンピュータの本質的性質を用いることを提案する。 学習したモデルを用いて、サンプル外の時系列を生成し、学習した時系列のユニークで複雑な特徴をキャプチャすることを示す。 提案手法を11量子ビットトラップイオン量子マシン上で実験的に実証した。
  論文  参考訳（メタデータ） (2022-04-13T03:06:36Z)
• Synergetic Learning of Heterogeneous Temporal Sequences for Multi-Horizon Probabilistic Forecasting [48.8617204809538]
  本稿では,新しい条件生成モデルである変分相乗型マルチホライゾンネットワーク(VSMHN)を提案する。 不均一なシーケンス間で複雑な相関関係を学習するために、深部プロセスモデルと変動的リカレントニューラルネットワークの進歩を組み合わせるために、調整されたエンコーダが考案された。 我々のモデルは変動予測を用いて効果的に訓練でき、モンテカルロシミュレーションを用いて予測を生成することができる。
  論文  参考訳（メタデータ） (2021-01-31T11:00:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。