پيش‌بيني رفتار بورس اوراق بهادار با به‌كارگيري انديكاتورهاي تكنيكال، مبتني بر رويكردهاي يادگيري تقويتي عميق و شبكه‌هاي كانولوشن (مطالعه موردي: بورس اوراق بهادار ايران)

امروزه بورس در كشورهاي مختلف نقش مهمي در اقتصاد كشورها ايفا ميكند. فراواني داده ها در بورس و لزوم پردازش سريع و صحيح دادهها و اتخاذ تصميم مناسب استفاده از كامپيوترها را اجتناب ناپذ ير نموده است. در اين مقاله با استفاده از يادگيري تقويتي عميق مدلي ارائه شده است تا وظايف يك معامله گر در بورس ايران را با توجه به سهم هاي نقد شونده مدلسازي كند. در مرحله اول، تاريخچه ي قيمت ها ي سهام به همراه انديكاتورهاي مبتني بر آن به عنوان ورودي به شبكه عصبي كانولوشن داده مي شود. در مرحله بعد، به منظور محاسبه ميزان تطبيق خروجي كانولوشن با خروجي مورد انتظار، از تابع هزينه ي مجموع مربعات خطا استفاده مي شود كه به نوبه خود، در فرايند بهينه سازي كمينه مي شود. ازآنجاكه دادهها در بورس ايران محدود است، استفاده از مدل كانولوشن به جاي جدول Q در مدل تقويتي عميق از بيش برارزش مدل جلوگيري مي كند. به منظور ارزيابي مدل،از دادههاي بورس اوراق بهادار تهران در بازه زماني 1390 تا 1400 استفاده شده و بازده روش پيشنهادي با استراتژ ي خريد و نگهداري مقايسه شده است. نتايج آزمايشها نشان مي دهد، در مواردي سود حاصل از روش پيشنهادي و خريد نگهداري به ترتيب معادل % 21 و % 7 - حاصل مي شود.