Thesis (M.Sc.)-Cairo University,2022.

Bibliography: p. 94-90.

إدارة المحافظ هي فن تحديد القطاعات التي يجب الاستثمار فيها لتحقيق أقصى قدر من الاستثمار الثروة الإجمالية. تعمل الأبحاث الصناعية والأكاديمية بشكل مطرد على التطور نماذج جديدة للوصول إلى مزيد من النجاح والربح. أحد الخيارات الرئيسية هو الاستثمار في الأسواق المالية ، يعتبر تداول الأسواق المالية عملية معقدة يستهدفها المتداولون لتعظيم العائد المتوقع مع تقليل المخاطر المصاحبة. مع تزايد توافر السجلات التاريخية الرقمية ، باستخدام وكلاء مؤتمتة لتداول سوق الأوراق المالية تصبح ذات أهمية كبيرة. الغرض من هذه الأطروحة هو دراسة مشكلة فرعية للأسواق المالية تسمى تحسين تكاليف التنفيذ باستخدام التعلم المعزز. التعلم المعزز هو فرع للتعلم الآلي يتغلب على مشكلة تحديد أهداف واضحة ومعالجة المشاكل التي تتطلب قرارات متسلسلة. تم تطبيق التعلم المعزز في مشاكل التمويل ، مع تحسين تكاليف التنفيذ مشكلة من بين أمور أخرى لا تزال تحظى باهتمام ضئيل. تحسين ترتيب التنفيذ في تعد أسواق الأسهم مشكلة حيوية ، حيث يريد المتداول تقليل تكلفة شراء ملف كمية محددة مسبقًا من الأسهم خلال فترة زمنية محددة. في هذه الدراسة ، نقترح رواية تعلم تقوية نموذج Q-trade لمعالجة مشكلة تحسين تكاليف التنفيذ. اختبرنا نموذج Q-trade باستخدام البيانات التاريخية لسوق الأوراق المالية المصرية مثل كمثال على سوق نامية وبورصة ناسداك كمثال على سوق متقدم ، فقد أظهر في كلا السوقين تحسنًا كبيرًا (أكثر من 60 ٪ بعض الأوراق المالية) عبر الاستراتيجيات المقارنة. علاوة على ذلك ، قمنا بتطوير نموذج تعلم معزز عميق للتداول (كخطوة نحو التنفيذ الأمثل) ، تم إدارة النموذج لتتفوق على معلم رئيسي في الأدبيات على البيانات المختبرة. أخيرًا ، نقوم بتكييف نموذج التعلم المعزز العميق لأمر التنفيذ الأمثل. النموذج تمكن من يتفوق على الاستراتيجيات المقارنة على البيانات المختبرة.