چکیده: بازار فارکس بزرگترین بازار بین‌المللی برای تبادل ارز است و افراد گوناگون از سراسر جهان، برای سرمایه‌گذاری در بازار ارز، از این بازار استفاده می‌کنند. از زمان شکل‌گیری این بازار جهانی تا به امروز یکی از مهمترین چالش‌ها برای سرمایه‌گذاران و تحلیل‌گران در حوزه سرمایه، ارائه راهکاری سودآور برای سرمایه‌گذاری در این بازار است که به سود بیشتر در این بازار منجر شود. در سال‌های اخیر، الگوریتم‌های یادگیری ماشین و به خصوص یادگیری عمیق در زمینه‌های مختلف به کمک یادگیری هوشمند بر اساس دادگان قبلی، به خوبی توانسته‌اند عملیات‌هایی مانند دسته‌بندی دادگان یا استخراج ویژگی را انجام دهند. همینطور با معرفی یادگیری تقویتی و عامل هوشمندی که بتواند بدون نیاز به دادگان قبلی و بر اساس الگوریتم‌هایی مانند Q-Learning اقداماتی در محیط انجام دهد، رویکردی متفاوت برای یادگیری و اقدام در محیط‌های متفاوت ایجاد شد. در این تحقیق سعی شده است که به کمک یک عامل هوشمند که بر اساس یادگیری عمیق و الگوریتم Q-Learning در یادگیری تقویتی آموزش داده شده است، در محیط بازار مالی فارکس معاملاتی انجام شود که بیشترین سود و کمترین ضرر را در بازه زمانی آزمون به دست آورد. این عامل تقویتی هوشمند با یک روش معاملاتی مبتنی بر تشخیص روند به کمک روش‌های دسته‌بندی مختلف یادگیری ماشین در بازار فارکس برای چندین ارز اصلی در دوره زمانی ۱ روزه مقایسه می‌شود. مشخص می‌شود که عامل‌های هوشمند پیشنهادی نسبت به ساختارهای پیشین در دو ارز aud/usd و eur/usd به ترتیب با %64.9 و %38.5 درصد سود به سوددهی بالاتری می‌رسند و در حالت کلی عامل‌های هوشمند سوددهی بالاتری نسبت به روش معاملاتی مبتنی بر یادگیری ماشین دارند.