محمدرضا آیه اللهی - دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات – کسب و کار الکترونیک، دانشکده مدیریت و حسابداری، دانشکدگان فارابی قم، دانشگاه تهران
سیدمحمدباقر جعفری - دانشیار دانشکده مدیریت و حسابداری، دانشکدگان فارابی قم، دانشگاه تهران

این مقاله به بررسی کاربردهای یادگیری تقویتی عمیق (DRL) و ترنسفورمرها در معاملات بورس اوراق بهادار تهران میپردازد. با ترکیب قدرت شبکههای عصبی عمیق و ترنسفورمرها، DRL میتواند بهبود قابل توجهی در پیشبینی و تصمیمگیریهای مالی ارائه دهد. این مقاله چالشهای خاص بورس تهران را تحلیل کرده و مزایای استفاده از این تکنیکها را در کاهش ریسک و افزایش سودآوری معاملات بررسی میکند. مرور تحقیقات نشان میدهد که استفاده از مدلهای ترکیبی DRL و ترنسفورمر میتواند به طور قابل توجهی دقت پیشبینی و استراتژیهای معاملاتی را در بورس تهران بهبود بخشد و زمینهساز رشد و توسعه پایدار بازار سرمایه شود.

یادگیری تقویتی عمیق، ترنسفورمرها، بورس تهران، سهام، پورتفولیو.