مهدی اسفندیار - دانشجوی دکتری، گروه مدیریت صنعتی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
محمدعلی کرامتی - دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران
رضا غلامی جمکرانی - استادیار، گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
محمد رضا کاشفی نیشابوری - استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

هدف این مقاله کاربرد معاملات الگوریتمی با تمرکز بر رویکرد یادگیری تقویتی برای بهینه سازی پرتفوی سهام های منتخب است. این پژوهش از حیث هدف، کاربردی و از نظر نوع داده، کمی و از لحاظ روش، توصیفی - اکتشافی و از منظر طرح تحقیق، پس رویدادی است. جامعه آماری این پژوهش، ۶۷۲ شرکت بورسی است که از این تعداد، داده های پنج شرکت (نمونه آماری) طی دوره زمانی ۱۳۹۶-۱۴۰۰ بررسی شده است. یافته های تحقیق در دوره های صعودی و نزولی بازار نشان داد که رویکرد یادگیری تقویتی در بازارهای صعودی و نزولی به صورت معناداری بر رویکرد خرید و نگهداری برتری دارد و عملکرد بهتری ارائه داده است و نتایج با عملکرد الگوریتم ها در بازارهای بورس سازگار است. نتایج آشکار کرد که از دیدگاه سودآوری، رویکرد یادگیری تقویتی نسبت به رهیافت خرید و نگه داری، عملکرد بهتر و موثرتری داشته است؛ بنابراین، به کارگیری روش یادگیری تقویتی پیشنهاد می شود.

طبقه بندی JEL: G۱۱, G۱۷, P۴۵ واژگان کلیدی: بهینه سازی پرتفوی, معاملات الگوریتمی, یادگیری تقویتی, یادگیری کیو, بورس اوراق بهادار تهران