Le Reti Neurali Quantistiche Qutrit Superano i Modelli Classici nella Ricerca di Previsione Finanziaria

Uno studio recente pubblicato su arXiv (arXiv:2604.18838v1) rivela che le Reti Neurali Quantistiche basate su Qutrit (QQTN) superano le Reti Neurali Artificiali classiche (ANN) e le Reti Neurali Quantistiche basate su Qubit (QQBN) nelle previsioni del mercato azionario. Questa ricerca fornisce un confronto completo dei tre modelli di apprendimento automatico utilizzando varie metriche di performance. Sebbene tutti i modelli abbiano dimostrato accuratezze di previsione superiori al 70%, le QQTN hanno costantemente prodotto risultati superiori. I benefici notevoli includevano rendimenti aggiustati per il rischio migliorati indicati dall'indice di Sharpe, una maggiore coerenza delle previsioni tramite il Coefficiente di Informazione e una maggiore resilienza in diversi scenari di mercato. Inoltre, le QQTN hanno raggiunto livelli di performance simili con tempi di addestramento significativamente più brevi. L'articolo dettaglia le metodologie, le architetture e i processi di addestramento per ciascun modello, enfatizzando le disparità nelle durate di addestramento e nell'efficacia.