ارائه­ دهنده:

  استاد راهنما:

  دکتر ناصر مزینی

هیات داوران:
دکتر مرتضی آنالویی
دکتر منیره عبدوس

زمان:
 ۱۴۰۰/۱۲/۲۵

ساعت ۱۵:۰۰
 

آقای علیرضا اصغری دانشجوی کارشناسی ارشد آقای دکتر ناصر مزینی روز چهارشنبه ۲۵ اسفند ماه ساعت ۱۵:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان " ارائه یک استراتژی مناسب برای معاملات الگوریتمی مبتنی بر یادگیری عمیق" دفاع خواهند نمود.

چکیده پایان نامه:
استفاده روزافزون از فناوری در بازارهای مالی موجب ایجاد تغییرات گسترده‌ای در ساختارهای مرسوم معاملاتی شده است. یکی از این تغییرات، پدیدارشدن معاملات الگوریتمی است. در معامله الگوریتمی، تصمیمات خرید و فروش توسط الگوریتم‌های رایانه‌ای گرفته می‌شود. تأثیر سیستم‌های معامله‌گر الگوریتمی بر بازارهای مختلف بر کسی پوشیده نیست. این تأثیر هرسال درهرحال افزایش است. امروزه اکثر سفارش‌هایی که به  صرافی‌ها می‌رسد، توسط عوامل الگوریتمی ایجاد شده است.
امروزه روش‌های مبتنی بر یادگیری ماشین نقش مهمی در ساخت سیستم‌های معاملاتی خودکار ایفا می‌کنند. پیچیدگی و پویایی روزافزون بازارهای مالی، از جمله چالش‌های کلیدی این روش‌ها است. این پویایی باعث شکست اکثر استراتژی‌های معاملاتی انعطاف‌ناپذیر شده است. پرکاربردترین رویکرد یادگیری ماشینی، یادگیری تحت نظارت است، اما در محیط‌های تعاملی مانند بازار مالی، استفاده از یادگیری تحت نظارت به‌تنهایی کافی نیست و دارای محدودیت‌هایی از جمله: دشواری در تعریف برچسب‌های مناسب و عدم مدل‌سازی ماهیت پویای بازار است. به دلیل عملکرد مناسب رویکردهای مبتنی بر یادگیری تقویتی عمیق در محیط‌های تعاملی، از این رویکردها برای حل مشکلات اشاره شده استفاده خواهیم کرد.
در این پایان‌نامه به ارائه چارچوب یادگیری تقویتی عمیق ویژه معامله در بازار مالی، مجموعه ویژگی‌های ورودی و اندیکاتورهای منتخب و متناسب با هدف مسئله، تابع پاداش و مدل‌هایی مناسب و مبتنی بر شبکه‌های کاملاً متصل، کانولوشنی و ترکیبی پرداختیم. مدل‌های برتر پیشنهادی تحت شرایط واقعی بازار همچون درنظرگرفتن هزینه تراکنش، مبادرت به خریدوفروش نموده و مورد ارزیابی قرار گرفتند. این مدل‌ها علاوه بر شکست استراتژی خرید و نگه‌داری، به بازده تجمعی بسیار خوبی در عین داشتن معیارهای ریسک مناسب دست یافتند.
واژه‌های کلیدی: یادگیری عمیق، یادگیری تقویتی عمیق، معامله الگوریتمی، بازار مالی، استراتژی معامله کمّی
  

.