در این پایان نامه مساله مبادله سهام شامل تعیین زمان خرید، قیمت خرید، زمان فروش و همچنین قیمت فروش سهام را با استفاده از روش یادگیری تقویتی که با نامهای دیگری مانند برنامه ریزی پویای مبتنی بر شبیه سازی نیز شناخته می شود، مدل می کنیم تا از این طریق سیاستی مناسب برای انجام مبادلات روی سهام بیابیم و سبدی از سهام را به صورت پویا و فعال به منظور بیشینه سازی سود حاصل از سرمایه گذاری مدیریت کنیم. مدلهای توسعه داده شده در این پایان نامه نسبت به ریسک سرمایه گذاری حساس می باشند و پارامترهای آنها نیز با در نظر گرفتن شرایط مساله و به صورت انطباقی تعریف می شوند. نتایج حاصل از پیاده سازی و اجرای این مدلها بر روی اطلاعات سهام موجود در فهرست میانگین صنعتی داو – جونز، مبین برتری این مدلها نسبت به مدلهایی است که ریسک سرمایه گذاری را در نظر نمی گیرند و پارامترهای آنها به صورت ثابت تعریف شده اند.