論文の概要: Quantum Weighted Moving Average for Predicting Limit Order Book Trends

• arxiv url: http://arxiv.org/abs/2609.01524v1
• Date: Tue, 01 Sep 2026 16:54:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.858145
• Title: Quantum Weighted Moving Average for Predicting Limit Order Book Trends
• Title（参考訳）: 量子重み付き移動平均値を用いた書式予測
• Authors: Matthias Kamm, Dinh-Long Vu, Patrick Rebentrost,
• Abstract要約: 本稿では,リミットオーダーブック(LOB)データから価格トレンドを予測する問題について考察する。 古典モデルの重要成分を特定した後、量子重み付き移動平均(QWMA)モデルを導入する。 これらのモデルは、FI-2010ベンチマークデータセットと中国A株の第2データセットで評価されている。
• 参考スコア（独自算出の注目度）: 1.9116784879310027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can quantum computers be useful for forecasting multivariate financial time series? In this work, we consider the problem of predicting price trends from limit order book (LOB) data. After identifying key components of classical models, we introduce the quantum weighted moving average (QWMA) model. The two main building blocks are, first, classically preprocessing via normalization of both feature and temporal dimensions and, second, a linear combination of unitaries-based layer for unitarily-embedded classical data. The models are evaluated on the FI-2010 benchmark dataset and a second dataset of China A-share stocks. While we do not present evidence of quantum advantage, the combined classical-quantum model demonstrates performances close to the best classical models. The quantum part of the model is expressive enough to focus on the most predictive parts of the time series. Several specializations of the QWMA model are considered, in particular a variant related to the widely-used exponential moving average (EMA). We give consideration to the limitations of the methods and the datasets.
• Abstract（参考訳）: 量子コンピュータは多変量金融時系列の予測に有用か? 本研究では,リミットオーダーブック(LOB)データから価格トレンドを予測する問題について考察する。 古典モデルの重要成分を特定した後、量子重み付き移動平均(QWMA)モデルを導入する。 2つの主要なビルディングブロックは、第一に、特徴次元と時間次元の両方の正規化による古典的前処理であり、第二に、単位埋め込み古典データのためのユニタリベース層の線形結合である。 これらのモデルは、FI-2010ベンチマークデータセットと中国A株の第2データセットで評価されている。 量子的優位性の証拠は示さないが、結合された古典量子モデルは、最高の古典的モデルに近い性能を示す。 モデルの量子部分は、時系列の最も予測可能な部分に集中するのに十分な表現力を持っている。 QWMAモデルのいくつかの特殊化、特に広く使われている指数移動平均(EMA)に関連する変種を考える。 メソッドとデータセットの制限について検討する。

関連論文リスト

• "Train classical, deploy quantum" requires rethinking generalization [42.16343861129583]
  直接サンプリングにより、量子および古典的生成モデルの幅広いセットをベンチマークする。 モーメントマッチング損失で訓練されたモデルは、一般的に、可能性訓練されたモデルよりもより悪い一般化を示す。
  論文  参考訳（メタデータ） (2026-08-31T17:26:27Z)
• Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
  トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。 本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
  論文  参考訳（メタデータ） (2026-08-11T04:22:42Z)
• Quantum-classical hybrid models based on error correction for time series forecasting [42.39594273417575]
  本稿では,量子モデルと古典モデルとを併用した誤り訂正に基づく最初の予測システムを提案する。 この研究は、時系列予測のための確立されたハイブリダイゼーションスキームに量子モデルを導入する方法である。
  論文  参考訳（メタデータ） (2026-06-13T09:20:24Z)
• Benchmarking Quantum Models for Time-series Forecasting [0.3806074545662052]
  時系列予測における古典モデルと量子モデルを比較した。 ほとんどの量子モデルは、同等の結果を得ることができた。 結果は、予測の分野と量子機械学習の分野での有用な比較ポイントとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-18T14:17:17Z)
• When Quantum and Classical Models Disagree: Learning Beyond Minimum Norm Least Square [1.9223856107206057]
  変分量子回路(VQC)は、量子コンピューティングの有用な応用のための重要な候補である。 回帰問題に対する量子アドバンテージの一般理論を提案する。 古典的に近似できない量子モデルを良い一般化で設計することは可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-07T18:18:38Z)
• MGCP: A Multi-Grained Correlation based Prediction Network for Multivariate Time Series [54.91026286579748]
  本稿では,マルチグラインド相関に基づく予測ネットワークを提案する。 予測性能を高めるために3段階の相関を同時に検討する。 注意機構に基づく予測器と条件判別器を用いて、粗い粒度の予測結果を最適化する。
  論文  参考訳（メタデータ） (2024-05-30T03:32:44Z)
• 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 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)
• Generalization Metrics for Practical Quantum Advantage in Generative Models [68.8204255655161]
  生成モデリングは量子コンピュータにとって広く受け入れられている自然のユースケースである。 我々は,アルゴリズムの一般化性能を計測して,生成モデリングのための実用的な量子優位性を探索する,単純で曖昧な手法を構築した。 シミュレーションの結果、我々の量子にインスパイアされたモデルは、目に見えない、有効なサンプルを生成するのに、最大で68倍の費用がかかります。
  論文  参考訳（メタデータ） (2022-01-21T16:35:35Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。