Titans-QFWP：面向投资组合优化的市场状态感知混合量子快速权重编程器

arXiv cs.LG 论文
quantum-machine-learning portfolio-optimization reinforcement-learning fast-weight-programmer regime-aware

摘要

Titans-QFWP是一种混合强化学习架构，集成了量子快速权重编程器与Titans风格的记忆（Persistence、Surprise和Forgetting）用于自适应投资组合优化，在S&P 500股票上表现出色。

arXiv:2608.29093v1 公告类型：新 摘要：我们提出Titans-QFWP，这是一种混合强化学习架构，集成了量子快速权重编程器与Titans风格的记忆（Persistence、Surprise和Forgetting）用于自适应投资组合优化。为应对高维市场特征，我们引入了增强的A3C^2框架，结合匈牙利对齐的K-means聚类和缩放对数回报奖励。在Equal-Parameter-Count (EPC) 基准下，使用大约3,000个可训练参数，对468只S&P 500股票进行评估，Titans-QFWP表现出色（中位ARR 0.4260，Calmar 8.5504，IR 0.8427）。消融实验结果表明，量子门控从根本上重塑了记忆组件的作用，Persistence支持回撤控制，Surprise有助于收益生成，而Forgetting提供额外稳定化。通过稳定这些量子表示，该模型能够在市场回撤期间实现防御性配置，同时保持上行潜力。
查看原文
查看缓存全文

缓存时间: 2026/09/01 13:07 

The request was rejected because it was considered high risk

相似文章

Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning

Hugging Face Daily Papers

# Paper page - Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning Source: [https://huggingface.co/papers/2605.06734](https://huggingface.co/papers/2605.06734) Authors: , , , , , , , , , , , , , , , , , ## Abstract Quantum\-inspired fast\-weight programming framework using single\-qubit circuits achieves superior forecasting performance with reduced parameters compared to classical recurrent models while maintaining NISQ device compatibility\. [Fast Weight Programmers](https://huggingfac

Gated QKAN-FWP：可扩展的量子启发序列学习

arXiv cs.LG

本文提出了 Gated QKAN-FWP，这是一个可扩展的量子启发序列学习框架，它通过单量子比特数据重新加载电路，将快速权重程序员（Fast Weight Programmers）与柯尔莫哥洛夫-阿诺德网络（Kolmogorov-Arnold Networks）相结合。

面向税务感知的个性化投资组合管理的三阶段基础模型

arXiv cs.AI

一个三阶段深度强化学习系统，用于个性化投资组合管理，解决了股票代码锁定、单一目标和静态用户模型的问题，使用了通过自监督学习预训练的跨资产编码器以及Chronos时间序列基础模型，通过混合专家模型和PPO进行微调，并通过LoRA实现个性化。