معرفی یک روش مبتنی بر یادگیری تقویتی برای تعیین زمان و تعداد مناسب خرید سهام

نوسان قیمت و عدم اطمینان موجود در بازار، تعیین استراتژی بهینه برای خرید سهام را به یک فرایند پیچیده تبدیل کرده است. عدم تکرار شرایط یک معامله، لزوم یادگیری به صورت تعاملی را ایجاب می کند. یادگیری تقویتی یک روش یادگیری تعاملی است که تنها با استفاده از یک سیگنال اسکالر راندمان، می تواند پارامترهای سیستم را تنظیم نماید. در این مقاله با تعریف مناسب حالت های سیستم شامل گام زمانی، تعداد کل سهام خریداری شده تا گام زمانی فعلی، میزان انحراف معیار قیمت سهام از گام نخست تا گام زمانی مورد نظر و میزان تغییرات قیمت نسبت به گام زمانی قبل و همچنین تعریف مناسب سیگنال تقویتی، از روش یادگیری کیو به عنوان یکی از معروف ترین الگوریتم های یادگیری تقویتی برای تقریب توابع ارزش حالت-عمل استفاده می شود. در این پژوهش، بازار سهام با توجه به روابط ریاضی موجود، مدل شده و روش ارائه شده در آن به کار گرفته شده است. عملکرد استراتژی حاصل از مدل پیشنهادی با استراتژی بازگشت به میانگین در ۵۰۰۰ بازار شبیه سازی شده مورد مقایسه قرار گرفته است. نتایج نشان دهنده آن است که بهره گیری از مدل پیشنهادی در مقایسه با استراتژی بازگشت به میانگین نه تنها هزینه متوسط پایین تر، بلکه قابلیت اطمینان بسیار بالاتری نیز دارد.

کلیدواژه ها:

بازار سهام ، بهینه سازی هزینه های اجرایی سهام ، یادگیری تقویتی ، یادگیری کیو