論文の概要: A Quantum Reservoir Computing Approach to Quantum Stock Price Forecasting in Quantum-Invested Markets

• arxiv url: http://arxiv.org/abs/2602.13094v1
• Date: Fri, 13 Feb 2026 17:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:54.044137
• Title: A Quantum Reservoir Computing Approach to Quantum Stock Price Forecasting in Quantum-Invested Markets
• Title（参考訳）: 量子投資市場における量子株価予測のための量子貯留層計算手法
• Authors: Wendy Otieno, Alexandre Zagoskin, Alexander G. Balanov, Juan Totero Gongora, Sergey E. Savel'ev,
• Abstract要約: 本稿では、少なくとも6つの相互作用量子ビットからなる小規模量子システムに基づく量子貯水池計算フレームワークを提案する。 我々は、2020年4月11日から2025年4月11日までの期間に、20の量子セクター上場企業の日次取引量を予測するために、このモデルを適用した。 本分析では, ストックトレンド(アップ/ダウン)分類精度が86%以上となる最適貯水池パラメータを同定した。
• 参考スコア（独自算出の注目度）: 70.52784924397838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a quantum reservoir computing (QRC) framework based on a small-scale quantum system comprising at most six interacting qubits, designed for nonlinear financial time-series forecasting. We apply the model to predict future daily closing trading volumes of 20 quantum-sector publicly traded companies over the period from April 11, 2020, to April 11, 2025, as well as minute-by-minute trading volumes during out-of-market hours on July 7, 2025. Our analysis identifies optimal reservoir parameters that yield stock trend (up/down) classification accuracies exceeding $86 \%$. Importantly, the QRC model is platform-agnostic and can be realized across diverse physical implementations of qubits, including superconducting circuits and trapped ions. These results demonstrate the expressive power and robustness of small-scale quantum reservoirs for modeling complex temporal correlations in financial data, highlighting their potential applicability to real-world forecasting tasks on near-term quantum hardware.
• Abstract（参考訳）: 非線形金融時系列予測のために設計された,少なくとも6つの相互作用量子ビットからなる小型量子システムに基づく量子貯水池計算(QRC)フレームワークを提案する。 我々は、2020年4月11日から2025年4月11日までの期間に、20の量子セクター上場企業の日次取引量と、2025年7月7日の市場外での数分間取引量を予測するために、このモデルを適用した。 本分析では, ストックトレンド (アップ/ダウン) 分類精度が 86 % を超える最適貯水池パラメータを同定した。 重要なことに、QRCモデルはプラットフォームに依存しず、超伝導回路や閉じ込められたイオンを含む様々な量子ビットの物理実装で実現可能である。 これらの結果は、金融データの複雑な時間相関をモデル化するための小規模量子貯水池の表現力と堅牢性を示し、短期量子ハードウェアにおける実世界の予測タスクへの適用可能性を強調した。

関連論文リスト

• Quantum Temporal Convolutional Neural Networks for Cross-Sectional Equity Return Prediction: A Comparative Benchmark Study [8.777151099203934]
  QTCNN(Quantum Temporal Convolutional Neural Network)は、古典的時間的エンコーダとパラメータ効率の高い量子畳み込み回路を結合して、断面的等価リターン予測を行う。 QTCNNはシャープ比0.538を達成し、古典的ベースラインを約72%上回っている。 これらの結果は、量子化予測モデルであるQTCNNの量的ファイナンスにおける堅牢な意思決定における実用可能性を強調している。
  論文  参考訳（メタデータ） (2025-12-07T02:34:24Z)
• Prediction of Stocks Index Price using Quantum GANs [0.5900825203015314]
  株価予測に適したQGANモデルを実装し,その性能を過去の株式市場データを用いて評価する。 以上の結果から,QGANは実際の市場行動によく似た合成データを生成できることが示され,予測精度が向上した。 この研究は、金融予測に量子コンピューティングを統合するための重要なステップであり、従来の手法よりも高速で精度の高い利点を提供する。
  論文  参考訳（メタデータ） (2025-09-14T20:28:24Z)
• Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors [64.50565018996328]
  本稿では,与えられた量子プロセッサの平均値挙動を計算効率よくエミュレートする予測代理の概念を導入する。 これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、変分量子固有解器の効率的な事前学習を可能にする。 実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-07-23T12:51:03Z)
• Quantum Reservoir Computing for Realized Volatility Forecasting [0.6249768559720121]
  量子貯水池計算は、非線形時間依存をモデル化するための機械学習と量子計算を組み合わせる。 本研究では,量子貯水池計算のボラティリティ予測への応用について検討する。 以上の結果から,提案手法は様々な指標のベンチマークモデルより一貫して優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-05-20T05:02:13Z)
• Contextual Quantum Neural Networks for Stock Price Prediction [0.0]
  我々は、コンテキスト量子ニューラルネットワークを用いて、複数の資産の株価を予測するために量子機械学習(QML)を適用した。 このアーキテクチャは量子ファイナンスにおいて最初のものであり、優れた予測力と計算効率を提供する。 我々の発見は、金融アプリケーションにおけるQMLの変革の可能性を強調し、より先進的でリソース効率のよい量子アルゴリズムの道を開いた。
  論文  参考訳（メタデータ） (2025-02-26T22:39:23Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Quantum portfolio value forecasting [0.0]
  本稿では,量子コンピュータ上での資産ポートフォリオの内在的長期値を効率的に推定するアルゴリズムを提案する。 ロードと読み込みのアルゴリズムの選択により、現在の量子コンピュータで5アセットのポートフォリオを価格設定できる。
  論文  参考訳（メタデータ） (2021-11-29T21:29:15Z)

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。