کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

بهبود معاملات الگوریتمی سهام مبتنی بر رویکرد یادگیری تقویتی

نویسندگان :

مها العطوان¹ جعفر پورامینی²

1- فارغ التحصیل کارشناسی ارشد مهندسی فناوری اطلاعات-تجارت الکترونیک 2- گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران

کلمات کلیدی :

الگوریتم DDPG،شبکه عصبی کانولوشنال،معاملات روزانه سهام،یادگیری تقویتی عمیق

چکیده :

با توجه به افزایش سرعت تولید اطلاعات و همچنین گسترش و پیچیده شدن بازارهای بورسی نیاز به معاملات الگوریتمی احساس می‌شود. انجام معاملات در بازارهای سهام ریسک زیادی دارند زیرا روند قیمت‌ها دارای عدم قطعیت هستند. قیمت سهام اغلب تحت تأثیر عواملی ازجمله رویدادهای سیاسی، بیماری‌های همه‌گیر، عملکرد سایر بازارها و حتی رفتار سایر سرمایه‌گذاران هستند. با توجه به آنچه گفته‌شده می‌توان گفت بازارهای سهام شامل محیط‌هایی پویا و غیرخطی هستند و برای انجام معاملات الگوریتمی در این محیط‌ها روش‌های مختلفی ارائه‌شده است. در این پژوهش، روشی برای مقابله با عدم قطعیت و طراحی معاملات سودآور برای به حداکثر رساندن عملکرد یک گروه مبتنی بر یادگیری تقویتی ارائه‌شده است. کارایی مدل پیشنهادی بر اساس معاملات روزانه بر روی داده معتبر آزمایش‌شده است و نتایج نشان می‌دهد که کارایی این مدل در مقایسه با روش‌های مشابه بهبود یافته است. مدل پیشنهادی بر روی مجموعه داده jmp تست شده است، و از تکنیک مشابه RL بهتر عمل کرده و توانست به سود 1504.25 برسد.