هدف: شکاف بین زمان دریافت سیگنال خرید/ فروش و آغاز روند تغییر قیمت در بازارهای نوظهور، بستر مناسبی برای پیاده سازی سیستم های معاملات الگوریتمی ایجاد می کند. ارائه یک سیستم معاملاتی با تکرار زیاد، مزایا (استفاده از نوسان های درون روزی) و معایبی (هزینه زیاد معاملاتی) دارد که با طراحی درست آن و اصلاح مقررات معامله، می توان مزایای آن را افزایش داد و معایبش را کنترل کرد.روش: در این پژوهش، به ارائه رویکرد استفاده از خودمعامله گرها برای پیش بینی روند آتی سهم و بهره گیری از روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام پرداخته شده و دو مدل بر همین پایه ارائه شده است. مدل نخست با بهره بردن از پیشنهاد خودمعامله گرها، به معامله با مقدار ثابت اقدام می کند. مدل دوم که به نوعی بسط داده شده مدل نخست است، به کمک روش یادگیری تقویتی، به مدیریت پویای سبد سهام می پردازد.یافته ها: نتایج نشان می دهد عملکرد هر دو مدل در بازارهای نزولی و نرمال، بهتر از استراتژی خرید و نگهداری است. همچنین بر اساس نتایج، در تمام بازارها مدل دوم در مقایسه با مدل نخست، عملکرد بهتری دارد.نتیجه گیری: به طور کلی در بازار صعودی بهترین استراتژی، خرید و نگهداری دارایی است، در نتیجه نمی توان از الگوریتم های پیشنهادی عملکردی بهتر از این استراتژی انتظار داشت. از سویی دیگر می توان گفت روش شبکه عصبی برای پیش بینی روند آتی سهم با رویکرد ارائه شده در این پژوهش، عملکرد بسیار مناسبی در بازارهای نزولی و نرمال داشته است. همچنین پیاده سازی روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام توانسته عملکرد مدل را بسیار بهبود بخشد.
