基于量子聚类算法的金融投资分析方法、存储介质和终端技术

本发明专利技术公开了基于量子聚类算法的金融投资分析方法、存储介质和终端，方法包括：确定待投资项目的影响因素；计算影响因素对应的加权隶属度矩阵，权重为影响因素对评估集的影响程度，评估集为待投资项目的代表优劣分类的评估指标；将加权隶属度矩阵编码至量子态并进行归一化；计算k个投资项目的加权隶属度矩阵的聚类中心，并编码到量子态上；计算待投资项目与已分为k个聚类中心的投资项目之间隶属度的相似度；将相似度存储在量子态上；查找相似度最高的一个，记录量子态；将待投资项目归于对应评估指标的类别中。本发明专利技术结合量子计算的优势与机器学习算法的有效性应用于金融投资分析中，提供更快速、准确的分析。准确的分析。准确的分析。

【技术实现步骤摘要】
基于量子聚类算法的金融投资分析方法、存储介质和终端


[0001]本专利技术涉及量子金融领域，尤其涉及基于量子聚类算法的金融投资分析方法、存储介质和终端。

技术介绍

[0002]机器学习算法一经提出就用于解决统计分析和概率分析中的问题。机器学习算法中的聚类算法是一种无监督学习的算法，它常常被应用于类别划分的场景，根据样本之间相似度的计算将数据分为若干个类，目的是使得分为同一类得数据相似度高，而不同类得数据相似度低。金融投资分析中股票的投资分析是一个重要的研究方向，股票的投资价值受公司财务指标等的影响，如何对股票按照这些影响因素进行合理划分是一个重要的问题。聚类算法则根据不同股票的类别与待测股票的相似度完成了这一任务，选取能反映公司财务指标的多个因素对股票进行划分，能够帮助投资者更好的把握股票的总体特征以及确定投资范围。
[0003]经典机器学习中对股票分析的方法多种多样。其中周焯华等使用聚类分析进行证券投资分析，以影响股票的行业因素、公司因素等进行考察，使用聚类分析确定投资范围和投资价值；李云飞等则引入模糊的方法对股票进行聚类分析，筛选出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于量子聚类算法的金融投资分析方法，其特征在于：包括：确定待投资项目的影响因素；计算影响因素对应的加权隶属度矩阵，权重为影响因素对评估集的影响程度，评估集为待投资项目的代表优劣分类的评估指标；将加权隶属度矩阵编码至量子态并进行归一化；计算k个投资项目的加权隶属度矩阵的聚类中心，并编码到量子态上；计算待投资项目与已分为k个聚类中心的投资项目之间隶属度的相似度；将相似度存储在量子态上；查找相似度最高的一个，记录量子态；将待投资项目归于对应评估指标的类别中。2.根据权利要求1所述的基于量子聚类算法的金融投资分析方法，其特征在于：所述计算影响因素对应的加权隶属度矩阵，包括：设置待投资项目的影响因素集合为f(U)＝{u1,u2,...,u
n
}，其中u1,u2,...,u
n
代表影响待投资项目的n个影响因素；确定待投资项目分类的一个评估集V，所述评估集V包括多个评估指标v
i
；确定待投资项目影响因素集合对于评估集的隶属度，构成隶属度矩阵：式中，u
ij
表示第i个影响因素对于评估集V中第j个指标的隶属度；确定影响因素中各个影响因素的权重大小，得到影响因素的权重矩阵为A＝{a1,a2,...,a
i
}；将各个因素的权重以及各个因素对于评估指标集的隶属度矩阵进行加权平均计算，并对计算后的矩阵进行归一化操作，从而计算得到待投资项目的加权隶属度矩阵C：式中，代表关系合成，c
i
表示影响因素从整体上看对v
i
的隶属度。3.根据权利要求2所述的基于量子聚类算法的金融投资分析方法，其特征在于：所述将加权隶属度矩阵编码至量子态并进行归一化，包括：将加权隶属度矩阵C制备成如下归一化的量子态：式中，x
0i
表示第0个数据点的第i个隶属度，d表示隶属度的个数。4.根据权利要求3所述的基于量子聚类算法的金融投资分析方法，其特征在于：所述计算k个投资项目的加权隶属度矩阵的聚类中心，并编码到量子态上，包括：采用关系合成方式中的加权平均算子来进行求解得到关系合成矩阵J，求解完成后将其结果编码到量子态上：
式中，C
n
表示第n个投资项目的隶属度矩阵，表示第i个聚类中心的第j个隶属度的值，的值是关系合成矩阵J中的第i行的第j个元素。5.根据权利要求4所述的基于量子聚类算法的金融投资分析方法，其特征在于：所述计算待投资项...

【专利技术属性】
技术研发人员：昌燕，林雨生，张仕斌，李晓瑜，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：