چکیده: بازار ارزهای خارجی (فارکس) به عنوان بزرگترین بازار مالی جهان به دلیل حجم بالای معاملات نوسانات شدید قیمتی و تأثیر پذیری از عوامل اقتصادی و سیاسی یکی از پیچیده ترین محیط ها برای تصمیم گیری معاملاتی محسوب میشود روشهای سنتی تحلیل و پیش بینی در این بازار به دلیل ایستایی مدلها وابستگی به فرضیات ساده ساز و عدم توانایی در تطبیق با شرایط متغیر در بسیاری از موارد عملکرد مطلوبی ندارند. در این پژوهش یک چارچوب هوشمند مبتنی بر یادگیری تقویتی عمیق Deep Reinforcement) (Learning برای طراحی سیستم معامله گری الگوریتمی در بازار فارکس ارائه شده است. در این رویکرد یک عامل هوشمند با تعامل مستمر با محیط بازار از طریق دریافت پاداش و جریمه سیاست بهینه معاملاتی را برای بیشینه سازی بازده بلند مدت و کنترل ریسک می آموزد. استفاده از شبکه های عصبی عمیق امکان استخراج الگوهای پیچیده و غیر خطی از داده های مالی را فراهم کرده و محدودیتهای روشهای سنتی یادگیری تقویتی را کاهش میدهد. هدف اصلی این تحقیق طراحی سیستمی است که بتواند ضمن افزایش سودآوری پایداری عملکرد و مدیریت ریسک را نیز در شرایط پرنوسان بازار فارکس تضمین کند همچنین در این پژوهش به چالشهایی مانند نویز داده ها تغییر رژیمهای بازار مسئله برازش بیش از حد و طراحی تابع پاداش مناسب پرداخته شده است. نتایج این رویکرد میتواند به بهبود تصمیم گیری در معاملات الگوریتمی و توسعه سیستم های هوشمند مالی کمک کند.