Η συγκεκριμένη μεταπτυχιακή εργασία διερευνά την εφαρμογή Βαθιάς Ενισχυτικής Μάθησης (Deep Reinforcement Learning - DRL), έχοντας ως επίκεντρο τον αλγόριθμο Deep Q-Learning (DQL), στη δυναμική διαχείριση επενδυτικών χαρτοφυλακίων. Στόχος είναι η εκπαίδευση ενός έξυπνου πράκτορα σε βέλτιστες στρατηγικές κατανομής επενδυτικών κεφαλαίων σε περιουσιακά στοιχεία, βάσει των ιστορικών τιμών τους, επιδιώκοντας τη μεγιστοποίηση των αποδόσεων και την ελαχιστοποίηση του κινδύνου σε ασταθείς αγορές. Η προτεινόμενη μεθοδολογία καταργεί την εξάρτηση από παραδοσιακά μοντέλα πρόβλεψης, επιτρέποντας στον πράκτορα να εξερευνά και να αξιοποιεί δυναμικά τις ευκαιρίες της αγοράς. Το μοντέλο δοκιμάζεται σε τρεις διαφορετικές συνθέσεις χαρτοφυλακίων, από χαρτοφυλάκια υψηλού κινδύνου τα οποία συμπεριλαμβάνουν δύο περιουσιακά στοιχεία έως πιο διαφοροποιημένες επιλογές τριών στοιχείων, συγκρινόμενα με ένα ισοσταθμισμένο χαρτοφυλάκιο αγοράς, χρησιμοποιώντας δεδομένα από πραγματικές χρηματοοικονομικές αγορές. Τα πειραματικά αποτελέσματα δείχνουν ότι ο πράκτορας DQL υπερέχει των παθητικών στρατηγικών ισοβαρούς κατανομής κεφαλαίων, ιδιαίτερα σε όρους σωρευτικών αποδόσεων και μέτρων καθολικού κινδύνου. Τα ευρήματα υπογραμμίζουν την υπόσχεση της DRL ως μιας ισχυρής, εναλλακτικής στις συμβατικές τεχνικές, βελτιστοποίησης χαρτοφυλακίου, προσφέροντας προσαρμοστικότητα, αυτοματοποίηση και βελτιωμένη απόδοση προσαρμοσμένη ανά μονάδα κινδύνου, ακόμη και σε μεταβαλλόμενα καθεστώτα αγοράς.

This study investigates the application of Deep Reinforcement Learning (DRL), specifically through the Deep Q-Learning (DQL) algorithm, for dynamic investment portfolio management. The main scope is to train an intelligent agent capable of learning optimal asset allocation strategies, based on historical price data, thereby maximizing returns and minimizing risk in volatile market conditions. Proposed methodology eliminates the dependency on traditional predictive models by allowing the agent to interactively explore and exploit market opportunities. The model is evaluated across three portfolio scenarios—ranging from high-risk dual-asset portfolios to diversified triple-asset structures—using real-world financial data. Experimental results demonstrate superior performance of the DQL agent against passive equal-weight strategies, especially in terms of cumulative returns and downside risk metrics. Results highlight the promise of DRL as a robust alternative to conventional portfolio optimization techniques, offering adaptability, automation, and improved risk-adjusted performance across changing market regimes.