[發明專利]量子隱馬爾可夫的股票預測方法、系統、存儲介質和終端

在審

• 申請號: 202110961867.3
• 申請日: 2021-08-20
• 公開（公告）號: CN113570158A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 李曉瑜;盧俊邑;朱欽圣;殷浩;吳昊
• 申請（專利權）人: 四川元匠科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04;G06F17/16;G06F17/18
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

1.量子隱馬爾可夫的股票預測方法，其特征在于：包括以下步驟：

將一定周期內按時序排列的股票的觀測狀態輸入至訓練后的量子隱馬爾可夫模型，輸出下一時刻不同觀測狀態的股票預測數據；所述量子隱馬爾可夫模型的訓練步驟包括:

將傳統隱馬爾可夫模型來推導量子隱馬爾可夫模型；

在量子隱馬爾可夫模型中，利用歷史的股票觀測狀態構造似然函數，并通過似然函數轉化、有約束優化問題轉化、無約束問題轉化和梯度下降算法求解，輸出得到量子隱馬爾可夫模型的股票預測數據輸出；

采用DA算法判定生成的量子隱馬爾可夫模型的好壞，對量子隱馬爾可夫模型進行更新。

2.根據權利要求1所述的量子隱馬爾可夫的股票預測方法，其特征在于：所述的股票的觀測狀態為股票觀測數據的觀測狀態，所述觀測數據包括開盤價、最高價、最低價、收盤價、成交量中的一種或者多種，所述觀測狀態對應觀測數據的多個變化區間。

3.根據權利要求1所述的量子隱馬爾可夫的股票預測方法，其特征在于：所述將傳統隱馬爾可夫模型來推導量子隱馬爾可夫模型，包括：

式中，t表示t時刻，y_t表示觀測狀態，ρ_t-1表示已知狀態，p(y_t|ρ_t-1)表示在已知t-1時刻的狀態下，t時刻觀測狀態的條件概率，tr()表示求跡，表示t-1時刻的觀測狀態所對應的Karus算符；

所述在量子隱馬爾可夫模型中，利用歷史的股票觀測狀態構造似然函數，并通過似然函數轉化、有約束優化問題轉化、無約束問題轉化和梯度下降算法求解，輸出得到量子隱馬爾可夫模型的股票預測數據輸出，具體為：

將歷史的股票觀測狀態y₁，y₂，y₃，…，y_T構造似然函數然后用似然函數對所有可能的Karus算符求導數進行梯度下降極大化似然函數的值，從而得到Karus算符的一個矩陣解，是第y_i個2*2的Karus運算矩陣，每個觀測值都會對應一個運算矩陣，初始時都一樣；并且ρ₀表示初始的密度矩陣；將推導出來的量子隱馬爾可夫模型的求解轉化為有約束的優化問題：

m表示第m個Karus算符；

重新構建出一個新的矩陣κ，把所有2*2的Karus算符矩陣根據輸出數S按列堆積成一個2S*2的矩陣κ，新構建出來的矩陣κ需要滿足條件輸出數S即股票觀測狀態的類型數量；所述有約束的優化問題寫為：

由于κ是處于Stiefel流形上的，其有約束的優化問題可以轉為如下的無約束問題，可以用梯度下降算法求解：

式中，G表示似然函數對于k的偏微分，U表示[G|k]，τ表示梯度下降的步長，表示[k|-G]；

通過κ反推出Karus算符，并通過Karus算符求解得到量子隱馬爾可夫模型輸出下一時刻預測序列的可能性p(y_t|ρ_t-1)。

4.根據權利要求3所述的量子隱馬爾可夫的股票預測方法，其特征在于：采用DA算法判定生成的量子隱馬爾可夫模型的好壞，對量子隱馬爾可夫模型進行更新，包括：

利用DA來判定來判定生成模型的好壞：

式中，l是序列的長度，s是隱藏狀態的數量，Y是觀測數據，D是量子隱馬爾可夫模型，并且：

當DA＝1時，說明模型完美的預測了序列；通過每次運行的情況，繪制DA根據梯度下降算法的迭代次數的增加而變化的圖形，從而修改迭代次數和梯度下降算法中的其他參數，使得最后的DA值能夠收斂到靠近1的數值。