Incorporating Markov decision process on genetic algorithms to formulate trading strategies for stock markets

این تحقیق ترکیبی از فرآیند تصمیم گیری مارکوف و الگوریتم های ژنتیک برای ارائه یک چارچوب تحلیلی جدید و ایجاد سیستم پشتیبانی تصمیم برای ایجاد استراتژی های معاملاتی سهام است. این تحقیقات با استفاده از ویژگی های پیش بینی و توانایی تجزیه و تحلیل زمان واقعی در فرایند تصمیم مارکوف برای تصمیم گیری در زمان بندی انجام می شود. انتخاب سهام و تخصیص سرمایه استفاده از رمزگذاری رشته برای بیان استراتژی های سرمایه گذاری مختلف برای الگوریتم های ژنتیکی است. قابلیت جستجو موازی از الگوریتم های ژنتیکی برای شناسایی بهترین استراتژی سرمایه گذاری استفاده می شود. علاوه بر این، زمانی که سرمایه گذاران فاقد پول و سهام مناسب هستند، معماری این مطالعه می تواند معامله را از طریق معاملات اعتباری انجام دهد. آزمایشات تایید می کنند که مدل ارائه شده در این تحقیق می تواند پاداش های بالاتری نسبت به سایر معیارها داشته باشد.