30922

تعيين عامل بهينه بر اساس ميزان سودآوري در بازار مالي با استفاده از يادگيري تقويتي

كارشناسي ارشد

مهندسي برق- كنترل

1399

1403/2/31

محمدرضا جاهدمطلق

ندارم

مهندسي برق

در سال‌هاي اخير، بازارهاي مالي به دليل سودهاي قابل توجه و رفتارهاي منظم، مورد توجه سرمايه‌گذاران و پژوهشگران زيادي قرار گرفته‌اند. هدف اصلي عامل‌هاي معاملاتي، افزايش درآمد و كاهش ضرر در بازارهاي مالي است. به‌همين دليل در اين پژوهش به طراحي انواع عامل‌هاي معاملاتي توجه ويژه‌اي شده است. در اين پژوهش، عامل هوشمند نيمه خودكاري براي سه ارز ديجيتال كاردانو، مانا و ريپل طراحي شده است كه در آن ماشين بردار پشتيبان براي تحليل احساسات اخبار روز به كار گرفته شده است. همچنين از شبكه عصبي حافظه طولاني كوتاه مدت براي پيش‌بيني قيمت اين سه ارز ديجيتال استفاده مي‌كند و به تحليل موقعيت قيمت نسبت به حمايت و مقاومت مي‌پردازد. در نهايت با استفاده از نتايج تحليلي به دست آمده، سيگنال معاملاتي به صورت خريد، فروش يا نگهداري صادر مي‌شود. سازندگان استراتژي‌ها و عامل‌هاي معاملاتي، با تبليغات گسترده تلاش مي‌كنند تا روش‌هاي خود را به‌عنوان بهترين معرفي كنند. اين تبليغات ممكن است خرده معامله‌گران را به خريد استراتژي‌هاي متعدد وادار كند كه در نهايت بازدهي مطلوبي ندارند. از سوي ديگر، تعيين عامل بهينه براي شركت‌هاي سرمايه‌گذاري اهميت بالايي دارد زيرا آن‌ها نيازمند شناسايي عامل‌هاي سودآور براي استفاده در فعاليت‌هاي آتي خود هستند. به همين جهت در اين پژوهش پنج عامل استراتژيك خودكار طراحي گرديده كه گزارش سابقه معاملاتي آن‌ها بر روي نمادهاي معاملاتي مختلف ثبت شده و سپس با استفاده از سياست اپسيلون-گريدي، عاملي كه در دراز مدت عمل بهينه را انجام داده است، تعيين مي‌شود. نتايج اين پژوهش مي‌تواند به سرمايه‌گذاران و شركت‌هاي سرمايه‌گذاري در انتخاب و بهره‌برداري از عامل‌هاي سودآور كمك شاياني نمايد.

1403/03/13

Determining the Optimal Agent Based on Profitability in the Financial Market Using Reinforcement Learning

1/1/1900 12:00:00 AM

The aim of this thesis is to provide a solution to determine the optimal agent in the financial market. In recent years, financial markets have attracted the attention of many investors and researchers due to their significant profits and regular behavior. Financial markets include a wide range of markets, including forex and digital currency, which are very popular among traders. Trading agents analyze and trade market conditions by analyzing parameters such as price, volume, and time, and profit or loss is assigned to these agents. The main goal of trading agents is to increase income and reduce losses. An optimal agent is an agent that is more profitable than others in the long run. The creators of strategies and trading agents, with extensive advertising, try to present their methods as the best. These ads may lead traders to buy multiple strategies that ultimately do not yield the desired results. On the other hand, determining the optimal factor is very important for investment companies because they need to identify profitable factors to use in their future activities. This work requires a lot of time and is one of the main challenges of the market. In this research, several trading agents have been designed for different symbols in the digital currency and forex market with high precision and the use of new methods. Then, by using reinforcement learning, the performance of the agents was checked in the shortest time and the agent that got the most reward was introduced as the optimal agent.

بازار مالي , عامل بهينه , سودآوري , يادگيري تقويتي , ربات معامله گر

Financial Market , optimal agent , profitability , Reinforcement learning , Trading Robot

Amir Hossein Baradaran

Dr. Mohammad Reza Jahed Motlagh