سرمایه گذارانی که خواهان اجرای سفارش های بزرگ هستند، همواره با موازنه اثر قیمتی و هزینه فرصت (ریسک اجرای معامله) مواجه اند. هدف از این پژوهش، یافتن روش بهینه ای برای اجرای چنین سفارش هاست. این پژوهش با استفاده از داده های تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارش گذاری ها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش به طور جداگانه محاسبه کرده، سپس استراتژی بهینه معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی می کند. در بازار معاملاتی شبیه سازی شده، اثر قیمتی برای سفارش های بزرگ نیز در نظر گرفته شده است. روش شبیه سازی، روش عامل گرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روش های یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان می دهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش می تواند بهتر از استراتژی هایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است به طور متوسط قیمت میانگین موزون حجمی (هزینه های اجرای معاملات) را 137/0 درصد نسبت به بازار کاهش دهد.
