آنیتا هادی زاده - دانشجوی دکتری مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیر، تهران، ایران
محمد جعفر تارخ - استاد، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیر، تهران، ایران
مجید میرزایی قزاآنی - استادیار، گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیر، تهران، ایران

این مقاله با استفاده از یادگیری تقویتی عمیق مدلی ارائه می کند تا وظایف یک معامله گر در بازار بورس ایران را با توجه به سهم های نقد شونده مدل سازی کند. قیمت سهام به همراه اندیکاتورهای مبتنی بر آن به عنوان ورودی به شبکه عصبی کانولوشن وارد می شوند.سپس، با استفاده از اندیکاتورهای محاسبه شده، داده های قیمت بر اساس تاریخ تطبیق داده می شود. به منظور محاسبه میزان تطبیق خروجی محاسبه شده با خروجی مورد انتظار، از تابع هزینه ی مجموع مربعات خظا استفاده می شود که در فرایند بهینه سازی کمینه می شود. همچنین با به کارگیری مدل های کانولوشن به جای جداول Q از بیش برارزش مدل به دلیل وجود داده های کم برای آموزش مدل جلوگیری به عمل آمده است. از طرفی با استفاده از اطلاعات موجود در حجم معاملات، از این سیگنال به عنوان نقشی مکمل در پیش بینی روند آینده سهم ها بهره گرفته شده است. و برای ارزیابی، برتری این مدل نسبت به استراتژی خرید و نگهداری مقایسه شده است.

یادگیری تقویتی عمیق, کانولوشن, بورس, اندیکاتور تکنیکال, تحلیل تکنیکال