بهینه سازی سبد سهام با استفاده از یادگیری تقویتی عمیق

پژوهش حاضر قصد دارد تا با استفاده از مفاهیم هوش مصنوعی، معامله گر هوشمندی را آموزش دهد که بتواند به تصمیم گیری بهینه برای سرمایه گذاری در سبد سهام کمک کند. بدین منظور روشی مبتنی بر یادگیری تقویتی عمیق Q برای بهینه سازی سبد سهام پیشنهاد خواهیم داد. در این روش از شبکه سیاست و شبکه سیاست هدف برای یادگیری اقدام ها و از شبکه یادگیری و شبکه هدف برای برآورد Q بهینه بهره گرفته می شود. برای ارزیابی عملکرد روش پیشنهادی از داده های مربوط به شرکت های تشکیل دهنده شاخص داو جونز (DJIA) از مارس ۲۰۰۸ تا اکتبر ۲۰۲۱ استفاده می گردد. بعلاوه عملکرد روش پیشنهادی با استراتژی های مرسوم سرمایه گذاری و دو الگوریتم یادگیری تقویتی عمیق، بهینه سازی سیاست پروکسیمال (PPO) و بازیگر-منتقد نرم (SAC) مقایسه می شود. نتایج این بررسی ها حاکی از آن است که روش پیشنهادی بر روی دادگان آزمون با مجموع بازده ۳۵.۶ درصدی در مقایسه با سایر روش های بررسی شده بهترین عملکرد را دارد. از سوی دیگر نسبت شارپ در روش پیشنهادی بیشترین مقدار است که نشانگر آن است که این استراتژی در متعادل سازی بین سود و ریسک عملکرد بهتری دارد.

کلیدواژه ها:

بهینه سازی سبد سهام ، یادگیری تقویتی ، هوش مصنوعی ، یادگیری تقویتی عمیق Q ، شاخص داو جونز