چکیده: بهینه‌سازی پرتفوی یکی از مسائل اساسی در مدیریت سرمایه‌گذاری است که هدف آن تخصیص بهینه دارایی‌ها به منظور بیشینه‌سازی بازده و کنترل ریسک می‌باشد. در سال‌های اخیر، روش‌های مبتنی بر یادگیری ماشین و به‌ویژه یادگیری تقویتی به‌عنوان رویکردهای نوین برای حل مسائل تصمیم‌گیری در محیط‌های پویا مورد توجه قرار گرفته‌اند. هدف این پژوهش ارائه چارچوبی مبتنی بر یادگیری تقویتی برای بهینه‌سازی پرتفوی در بازار سرمایه ایران است. در این تحقیق از الگوریتم Proximal Policy Optimization (PPO) در قالب معماری Actor–Critic برای یادگیری سیاست تخصیص دارایی استفاده شده است. فضای حالت مدل شامل متغیرهای قیمتی سهام منتخب بازار و همچنین عوامل پویای استخراج‌شده از بازار با استفاده از مدل عامل پویا (DFM) است تا اطلاعات جامع‌تری از شرایط کلی بازار در اختیار عامل یادگیرنده قرار گیرد. همچنین به‌منظور بهبود فرآیند آموزش و افزایش پایداری یادگیری، از رویکرد یادگیری انتقالی استفاده شده است. استفاده از این تکنیک به‌ویژه در بازارهای نوظهور که با محدودیت داده‌های تاریخی باکیفیت و نوسانات شدید ساختاری مواجه‌اند، گامی کلیدی برای تعمیم‌پذیری مدل محسوب می‌شود. در واقع، این معماری با بهره‌گیری از دانش پیشین در محیط‌های مشابه، سرعت همگرایی عامل را به‌طور چشمگیری افزایش داده و از برازش بیش‌ازحد بر نویزهای بازار جلوگیری می‌کند. داده‌های مورد استفاده در این پژوهش شامل اطلاعات ۲۵ نماد بورسی در بازه زمانی ۱۳۹۸ تا ۱۴۰۳ است که در مجموع حدود ۳۰ هزار مشاهده و ۱۱۹۹ روز معاملاتی را در بر می‌گیرد. عملکرد مدل پیشنهادی با استفاده از شاخص‌هایی نظیر بازده تجمعی، نسبت شارپ و حداکثر افت سرمایه ارزیابی شده و با روش‌های مبنا شامل مدل مارکویتز کلاسیک، استراتژی وزن مساوی و نسخه ساده الگوریتم PPO مقایسه شده است. نتایج تجربی نشان می‌دهد که مدل پیشنهادی توانسته است عملکرد رقابتی و پایدارتری در مدیریت پرتفوی ارائه دهد و به‌ویژه در مدیریت ریسک و کاهش نوسانات عملکرد بهتری نسبت به روش‌های مبنا نشان دهد. در شرایط تلاطم بازار، عامل هوشمند با بازتنظیم هوشمندانه وزن‌ها، توانسته است ضمن حفظ سودآوری، از افت‌های شدید سرمایه جلوگیری نماید. یافته‌های این پژوهش نشان می‌دهد که ترکیب یادگیری تقویتی، عوامل پویای بازار و یادگیری انتقالی می‌تواند چارچوبی مؤثر برای تصمیم‌گیری هوشمند در تخصیص دارایی‌ها در بازارهای مالی فراهم کند و بستری برای توسعه سامانه‌های معاملاتی الگوریتمی پیشرفته در ایران باشد.