文章详情

摘要

黄金价格受到宏观经济、地缘政治和市场情绪等多重因素的影响，呈现出高度复杂性，预测具有挑战性，合理预测对金融资产配置与风险管理至关重要。为此，提出一种多变量驱动的黄金价格预测框架，构建了一种混合量子-经典神经网络模型，该模型将参数化量子线路与长短期记忆网络深度融合，利用量子计算的并行处理能力增强对非线性动态特征的捕捉。研究基于2022—2025年黄金价格数据集进行实证分析，结果表明量子算法的收敛速度更快，参数数量约为经典算法的1/30，在MAE、RMSE和R2等评估指标上均优于LSTM模型，本研究证实量子算法具有表达力强、鲁棒性高的特点，在提升金融时间序列预测性能方面的潜力，为黄金市场分析及量化决策提供了新的技术路径。

关键词

黄金价格预测；量子金融；混合量子-经典神经网络；深度学习

参考文献

1. [1] Nanhiya D，Gopal S B，Balakumar S，et al. Gold Price Prediction Using ARIMA Model [C]//Proceedings of the ViTECON 2023-2nd IEEE International Conference on Vision Towards Emerging Trends in Communication and Networking Technologies，2023：1-6.
2. [2] Yang J，De Montigny D，Treleaven P. ANN, LSTM, and SVR for Gold Price Forecasting [C]//2022 IEEE Symposium on Computational Intelligence for Financial Engineering and Economics (CIFEr)，2022：1-7.
3. [3] Ben Jabeur S，Mefteh-Wali S，Viviani J L. Forecasting Gold Price With the XGBoost Algorithm and SHAP Interaction Values [J].Annals of Operations Research，2024，334：679-699.
4. [4] Zhang X，Zhang L，Zhou Q，et al. A Novel Bitcoin and Gold Prices Prediction Method Using an LSTM-P Neural Network Model [J/OL].Computational Intelligence and Neuroscience，2022：1643413（2022-05-05）.https://doi.org/10.1155/2022/1643413.
5. [5] 江雨燕，黄体臣，甘如美江，等.基于KANsLTformer的黄金期货价格预测研究 [J].中国管理科学，2026，34（5）：11-20.
6. [6] 栾添，匡学衡，高岩松，等.量子计算技术在金融领域的应用探索 [J].计算机应用研究，2024（7）：1921-1929.
7. [7] 王健，张蕊，姜楠. 量子机器学习综述 [J].软件学报，2024（8）：3843-3877.
8. [8] 张晓旭，高振涛，吴磊，等. 基于混合量子-经典神经网络模型的股价预测 [J].电子科技大学学报，2022（1）：16-23.
9. [9] 孙景云，魏琛. 基于文本情感分析和 LightGBM-LSTM 模型的黄金期货价格预测研究 [J].南京信息工程大学学报，2025（5）：679-691.
10. [10] 杨晨，陈贵词. 基于 EMD-LSTM 的国际黄金期货价格预测 [J].中南民族大学学报（自然科学版），2023（6）：857-864.
11. [11] Saini A，Singh K R，Sinha P. Forecasting Gold Price Using Hybrid Deep Neural Network LSTM-Autoencoder [J/OL].Discover Artificial Intelligence，2025，5（1）：281.https://doi.org/10.1007/s44163-025-00464-w.
12. [12] Bao G，Niu Y，Cui B，et al. Revealing the Correlation Between Economic Indicators and Gold Prices for Forecasting：Medium Term Forecast Framework With Data Patch [J/OL].Expert Systems With Applications，2026，298：129594.https://doi.org/10.1016/j.eswa.2025.129594.
13. [13] Charugulla S，Saheb S S. Gold Futures Price Prediction Using Transformer Deep Learning Models With Data Scraped via UiPath [J/OL].Journal of Visualized Experiments，2025（223）：e66123.https://dx.doi.org/10.3791/68903.
14. [14] Li X Q，Ma X Q. Jumps and Gold Futures Volatility Prediction [J/OL].Finance Research Letters，2023，58：104492（2023-09-23）.https://doi.org/10.1016/j.frl.2023.104492.
15. [15] 郭杨莉，马锋. 基于马尔科夫和混频数据模型的黄金期货市场波动率预测研究 [J].中国管理科学，2024（1）：13-22.
16. [16] Livieris I E，Pintelas E，Pintelas P. A CNN-LSTM Model for Gold Price Time-Series Forecasting [J].Neural Computing and Applications，2020，32：17351-17360.
17. [17] Angelova T G，Raychev S，Ilieva G. A Framework for Gold Price Prediction Combining Classical and Intelligent Methods With Financial，Economic，and Sentiment Data Fusion [J/OL].International Journal of Financial Studies，2025，13（2）：102. https://doi.org/10.3390/ijfs13020102.
18. [18] Liu Z M，Wang Y X，Vaidya S，et al. KAN：Kolmogorov-Arnold Networks [PP/OL].（2025-02-09）.https://arxiv.org/abs/2404.19756.
19. [19] 周瑞铭，张艳慧. 平稳时间序列分析在黄金价格预测中的应用 [J].中国证券期货，2025（5）：36-41.
20. [20] 贺毅岳，陈倩倩，高妮，等.基于 MEMD-WGAN-GP 的黄金期货价格集成预测研究 [J].系统工程理论与实践，2025，45（6）：2033-2049.
21. [21] Zhao Y，Guo Y，Wang X. Hybrid LSTM–Transformer Architecture With Multi-Scale Feature Fusion for High-Accuracy Gold Futures Price Forecasting [J].Mathematics，2025，13（10）：1551.https://doi.org/10.3390/math13101551.

作者简介

赵秀敏（2003—），女，汉族，河北保定人，硕士研究生在读，研究方向：量子金融；通信作者：王魏（1984—），男，汉族，河北保定人，副教授，博士研究生，研究方向：智能控制、智能风控、最优控制。