HQNN-FSP: A Hybrid Classical-Quantum Neural Network for Regression-Based Financial Stock Market Prediction
تقترح هذه الورقة وتقيم شبكة عصبية هجينة كلاسيكية-كمومية (HQNN-FSP) للتنبؤ بسوق الأسهم المالية، مقدمةً نموذجاً كمومياً مبتكراً واستراتيجيتين للتحسين لإثبات إمكانات التعلم المعزز بالكم في التقاط التبعيات الزمنية المعقدة وتحسين التنبؤ القائم على الانحدار.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعد سوق الأوراق المالية مشهداً شاسعاً ومتغيراً، حيث ترتفع الأسعار وتنخفض بناءً على شبكة متشابكة من العواطف البشرية، والأحداث العالمية، والبيانات الاقتصادية. ولعقود من الزمن، اعتمد المستثمرون والمحللون على الحواسيب لفهم هذه الفوضى، باستخدام نماذج رياضية لرصد الأنماط في الأسعار الماضية وتخمين المسار الذي قد تسلكه السوق لاحقاً. هذه البرامج الحاسوبية التقليدية قوية، لكنها غالباً ما تواجه صعوبة عندما يتصرف السوق بشكل غير متوقع أو عندما تتغير قواعد اللعبة فجأة. فقد تقع في فخ "الضجيج"، معتبرةً التقلبات العشوائية اتجاهات حقيقية، أو قد تفشل في تذكر الدروس الهامة من الماضي البعيد. ومع ازدياد تعقيد الأنظمة المالية في العالم، بدأ الباحثون يتطلعون نحو نوع مختلف من القدرة الحاسوبية: ميكانيكا الكم. هذا هو فرع الفيزياء الذي يحكم سلوك الجسيمات الأصغر في الكون، حيث يمكن للأشياء أن توجد في حالات متعددة في آن واحد وتصبح مرتبطة ببعضها البعض بعمق بطرق تبدو مستحيلة في عالمنا اليومي. والسؤال الذي يدفع خطاً جديداً من البحث هو ما إذا كانت هذه الخصائص الكمومية الغريبة يمكن أن تساعد الحواسيب على فهم سوق الأوراق المالية بشكل أفضل من الآلات الكلاسيكية التي نستخدمها اليوم.
لقد اتخذ فريق من الباحثين من الهند والإمارات العربية المتحدة خطوة كبيرة في الإجابة على ذلك السؤال من خلال بناء أداة تنبؤ جديدة تمزج بين القديم والجديد. فقد ابتكروا نظاماً يجمع بين النماذج الحاسوبية التقليدية الموثوقة ومعالج كمومي متخصص. وبدلاً من مطالبة الحاسوب الكمومي بالقيام بكل شيء من الصفر، وهو أمر صعب حالياً بسبب الطبيعة الهشة للأجهزة الكمومية، صمموا نهجاً هجيناً. في هذا الإعداد، يقوم حاسوب كلاسيكي أولاً بمعالجة البيانات الخام، وتنظيمها واستخراج أهم الإشارات منها. ثم ينقل هذه المعلومات المنقحة إلى دائرة كمومية، والتي تستخدم القواعد الفريدة للفيزياء الكمومية لإيجال روابط أعمق وأكثر دقة قد يفتقدها الحاسوب الكلاسيكي. وقد اختبر الباحثون هذا النظام على بيانات تاريخية للأسهم، وتحديداً تاريخ تداول شركة "ويبرو" (Wipro)، وهي شركة تكنولوجيا كبرى، إلى جانب عدة مؤشرات فنية يستخدمها المتداولون لقياس زخم السوق.
استكشفت الدراسة طريقتين مختلفتين لجعل هذه الشراكة تعمل. في الطريقة الأولى، عمل الحاسوب الكلاسيكي كمرشح (فلتر)، حيث قام بتنقية البيانات وتحديد الاتجاهات الرئيسية قبل تمريرها إلى النظام الكمومي لإجراء التحليل النهائي. وفي الطريقة الثانية، عمل النظامان معاً في حلقة واحدة موحدة، يتعلمان من بعضهما البعض في وقت واحد أثناء تعديل إعداداتهما الداخلية لتحسين تنبؤاتهما. أجرى الفريق آلاف عمليات المحاكاة لمعرفة مدى أداء هذه النماذج الهجينة مقارنة باستخدام نظام كمومي وحده أو نظام كلاسيكي وحده. ووجدوا أن النهج الهجين كان أكثر دقة باستمرار من النسخة الكمومية وحدها. ومن خلال ترك المهمة الشاقة للحاسوب الكلاسيدي في تنظيم البيانات، تمكن الجزء الكمومي من التركيز على الأنماط المعقدة التي تهم حقاً، مما أدى إلى ارتكاب أخطاء أقل عند التنبؤ بالأسعار المستقبلية.
ومع ذلك، كشفت النتائج أيضاً عن الحدود الحالية لهذه التكنولوجيا. فبينما كانت النماذج الهجينة أفضل من النسخة الكمومية وحدها، إلا أنها لم تستطع مضاهاة أداء أكثر النماذج الحاسوبية الكلاسيكية تقدماً المتاحة اليوم. لاحظ الباحثون أن جميع النماذج، بما في ذلك ابتكاراتهم الهجينة، عانت عندما شهدت السوق انخفاضاً حاداً ومفاجئاً. فعندما تغير اتجاه السعر بشكل مفاجئ، فشلت الأنظمة غالباً في التكيف بسرعة كافية، مستمرة في التنبؤ بناءً على النمط القديم. وهذا يشير إلى أنه رغم إضافة المكون الكمومي طبقة جديدة من الرؤية، إلا أنه ليس بعد "عصا سحرية" يمكنها الحل الفوري لمشكلة تقلبات السوق. كما سلطت الدراسة الضوء على وجود مقايضة بين الدقة والسرعة؛ فكلما أضاف الباحثون المزيد من "البتات الكمومية" (qubits) -وهي الوحدات الأساسية للمعلومات في النظام الكمومي- إلى نماذجهم، أصبحت التنبؤات أكثر دقة قليلاً، ولكن الوقت المطلوب لتدريب النظام زاد بشكل كبير.
كما نظر الباحثون بدقة في كيفية اتخاذ نماذجهم للقرارات. فباستخدام تقنية تتبع أكثر قطع المعلومات تأثيراً في التنبؤ النهائي، أكدوا أن النظام كان يركز على الأشياء الصحيحة. فقد اعتمد النموذج بشكل كبير على مؤشرات مالية محددة، مثل مقاييس زخم السوق وقوة الاتجاه، بدلاً من مجرد الضجيج العشوائي. وهذا يمنح النظام مستوى من الشفافية يفتقر إليه غالباً في النماذج الحاسوبية المعقدة، مما يسم يسمح للمحللين بفهم سبب صدور التنبؤ. وتخلص الدراسة إلى أنه على الرغم من أن النماذج الهجينة (الكمومية-الكلاسيكية) ليست جاهزة بعد لاستبدال الأدوات التي يستخدمها المتداولون المحترفون، إلا أنها تمثل مساراً واعداً للمضي قدماً. فهي تظهر أنه من خلال الجمع بعناية بين نقاط قوة الحوسبة الكلاسيكية والقدرات الفريدة لميكانيكا الكم، يمكن بناء أنظمة أكثر قوة وبصيرة مما يمكن لأي منهما تحقيقه بمفرده. ومع استمرار تحسن الأجهزة الكمومية وزيادة استقرارها، قد تلعب هذه الأنظمة الهجينة في النهاية دوراً تحولياً في كيفية فهمنا وإدارتنا للعالم المالي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.