Hybrid Quantum-Classical Ensemble Learning for S&P 500 Directional Prediction
创建于 更新于
摘要
本文提出一种混合量子-经典架构多模型集成方法，通过架构多样性、4-qubit 量子情感特征与智能筛选（剔除准确率低于52%的模型）实现对S&P500方向性预测60.14%的准确率提升，验证了“架构多样性优于数据多样性”的核心结论并展示了量子特征对波动率预测的稳定增益 [page::0][page::2][page::10].
