پایان نامه پیش بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال

فهرست:

فصل اول: کلیات پژوهش

مقدمه. 1

1-1-شرح و بیان مساله پژوهشی... 2

1-2-اهمیت و ارزش پژوهش.... 3

1-3-اهداف پژوهش.... 3

1-4-فرضیه های پژوهش.... 3

1-5-روش پژوهش.... 3

1-5-1- نوع مطالعه و روش بررسی فرضیه‌ها‌ 3

1-5-2- جامعه آماری.. 4

1-5-3-  ابزار گردآوری داده‌ها‌ 4

1-5-4-  ابزار تجزیه و تحلیل.. 4

1-6-واژگان کلیدی.. 5

1-7- کلمات اختصاری.. 6

خلاصه. 6

فصل دوم: مروری بر ادبیات موضوع

مقدمه. 7

2-1- مفاهیم سرمایه گذاری.. 8

2-1-1- بازارهای مالی.. 8

2-1-1-1-انواع بازارهای مالی.. 8

2-1-1-2- بورس.... 9

2-1-1-2- 1- اهمیت بورس اوراق بهادار 9

2-1-1-2- 2- تاریخچه بورس اوراق بهادار تهران.. 10

2-1-2- مفهوم سرمایه گذاری.. 12

2-1-3- فرایند سرمایه گذاری.. 12

2-1-4- روش های سرمایه گذاری.. 13

2-1-5- سهام عادی.. 13

2-1-6- نظریه سرمایه گذاری در بورس.... 14

2-1-7- بازده سرمایه گذاری.. 14

2-1-8- کارایی بازار سرمایه و اهمیت آن در ارزیابی سهام. 15

2-2- پیش بینی... 16

2-2-1- روش های پیش بینی کیفی.. 16

2-2-2- روش های پیش بینی کمی.. 16

2-2-3- انتخاب روش پیش بینی.. 16

2-2-4- روش بنیادی.. 17

2-2-5- روش پیش بینی سری های زمانی کلاسیک... 18

2-2-6- روش های تکنیکال یا فنی.. 19

2-3- سیستم فازی.. 24

2-3-1- منطق فازی.. 24

2-3-1-1- مجموعه‌های فازی.. 25

2-3-1-2- عملگرهای مجموعه فازی.. 25

2-4- شبکه عصبی فازی.. 26

2-4-1- شبکه‌های عصبی مصنوعی.. 26

2-4-2- تاریخچه شبکه‌های عصبی مصنوعی.. 26

2-4-3- ویژگی و قابلیت‌های شبکه‌های عصبی مصنوعی.. 27

2-4-4- تعریف شبکه عصبی قازی.. 28

2-4-5- نرون‌های فازی.. 28

2-4-6- قوانین فازی.. 30

2-4-7-سیستم‌های استنتاج فازی.. 30

2-4-7-1- روش‌های فازی ساز 32

2-4-7-2- روش‌های غیر فازی ساز 35

2-4-7-3- سیستم استنتاج ممدانی.. 37

2-4-7-3- سیستم استنتاج تاکاگی-سوگنو. 38

2-4-8-شبکه ‌های عصبی فازی چند لایه. 39

2-4-9- شبکه ANFIS.. 39

2-4-9-1- مزایای ANFIS.. 41

2-4-10-‌ فرایند یادگیری در شبکه‌ 42

2-4-10-1- الگوریتم‌یادگیری پس انتشار خطا 42

2-4-10-2- ایجاد ساختار اولیه FIS.. 43

2-4-10-3- فرایند یادگیری در شبکه ANFIS.. 44

2-4-11- اندازه گیری خطا در شبکه‌های عصبی.. 44

2-4-12- نرمالسازی خطی داده‌ها در فاصله [L,H]. 46

2-5- پیشینه موضوع.. 47

2-5-1- بررسی کارآیی‌یا عدم کارآیی بازار 47

2-5-2- امکان سنجی بکارگیری شاخص‌های تحلیل تکنیکال در پیش‌بینی روند قیمت سهام. 48

2-5-3- مروری بر پژوهشات صورت گرفته در زمینه پیش‌بینی متغیرهای اقتصادی و مالی با استفاده از سیستم‌های هوشمند  49

2-5-3-1- پژوهشات داخلی.. 49

2-5-3-2- پژوهشات خارجی.. 52

خلاصه. 61

فصل سوم: روش پژوهش

مقدمه. 62

3-1- اهداف پژوهش... 63

3-2- متغیرهای پژوهش... 63

3-3- فرضیه های پژوهش... 65

3-4- نوع پژوهش... 65

3-5- روش پژوهش... 66

3-6-  جامعه آماری.. 73

3-7- ابزار گردآوری داده ها 73

3-8- ابزار تجزیه و تحلیل.. 75

3-9-  قلمرو پژوهش... 75

خلاصه. 75

فصل چهارم: تجزیه و تحلیل داده‌ها

مقدمه. 76

4-1- انتخاب متغیرهای ورودی.. 77

4-1-1- نرمال سازی داده ها 77

4-1-2- شناسایی متغیرهای ورودی شبکه. 77

4-2- پیش بینی شاخص های تحلیل تکنیکال با استفاده از شبکه عصبی فازی.. 81

4-2-1- انتخاب داده های آزمون و آموزش.... 81

4-2-2- طراحی شبکه عصبی فازی.. 81

4-2-3- ارزیابی عملکرد شبکه. 82

4-2-3-1- ارزیابی عملکرد شبکه بر اساس معیار MSE.. 82

4-2-3-2- ارزیابی عملکرد شبکه بر اساس معیار RMSE.. 85

4-3- بررسی درصد صحت پیش بینی شبکه عصبی فازی.. 87

4-4- بررسی معناداری تفاوت میانگین بازدهی روش های معاملاتی... 89

خلاصه. 93

فصل پنجم: نتیجه گیری و پیشنهادها

مقدمه. 94

6-1- خلاصه پژوهش.... 95

6-2- نتایج پژوهش.... 95

6-2- محدودیت های پژوهش.... 97

6-3- پیشنهادها 97

خلاصه. 98

منابع فارسی... 99

منابع انگلیسی... 103

پیوست1.. 107

پیوست2  117

منبع:

منابع فارسی

اخباری محمد، اخباری مهدی. (1390). کاربرد رویکرد منطق فازی در مدل‌سازی اقتصاد غیر رسمی در ایران. فصلنامه پژوهش‌های اقتصادی. سال نوزدهم. شماره 59. صص 167-131.

افسر امیر. (1384). مدلسازی ‌‌‌پیش‌بینی قیمت سهام با استفاده از شبکه عصبی فازی و روش‌‌‌های ترکیبی. تهران: دانشگاه تربیت مدرس: دانشکده مدیریت.

اکانل ب. (1375). ‌‌‌پیش‌بینی سری‌‌‌های زمانی (شناسائی، تخمین، ‌‌‌پیش‌بینی). ترجمه ی رضا شیوا. تهران: موسسه مطالعات و پژوهش‌‌‌های بازرگانی.

البرزی محمد. (1380). آشنایی با شبکه‌‌‌های عصبی. تهران: موسسه انتشارات دانشگاه صنعتی شریف.

الوانی مهدی. (1388). مدیریت عمومی. تهران: انتشارات نشر نی.

اله یاری اکبر. (1387). بررسی شکل ضعیف کارایی بازار سرمایه در بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار، سال اول، شماره4، صص 108-75.

امامی امیر عباس، رزمی جعفر، جولای فریبرز. (1386). بررسی و مقایسه ‌‌‌پیش‌بینی قواعد تحلیل تکنیکی در بورس اوراق بهادار تهران. پنجمین کنفرانس بین المللی مهندسی صنایع. 20 تا 21 تیر. دانشگاه علم و صنعت ایران.

ایزدی حسین. (1383). اصول و فنون تشکیل سبد سهام، تهران: انتشارات مرکز آموزش و تحقیقات صنعتی ایران.

آذر عادل. افسر امیر. (1385). مدلسازی ‌‌‌پیش‌بینی قیمت سهام با رویکرد شبکه‌‌‌های عصبی فازی. پژوهشنامه بازرگانی. 40. صص52-33.

آذر عادل. افسر امیر. احمدی پرویز. (1385). مقایسه روش‌‌‌های کلاسیک و هوش مصنوعی در ‌‌‌پیش‌بینی شاخص قیمت سهام و طراحی مدل ترکیبی. فصلنامه مدرس علوم انسانی. دوره 10. شماره4. صص16-1.

پور ذاکر عربانی سودابه. (1385). مفاهیم هوش مصنوعی و شبکه‌‌‌های عصبی و ژنتیک الگوریتم. لاهیجان:انتشارات ندای سبز شمال.

پورمیری بهروز. (1384). ‌‌‌پیش‌بینی قیمت فولاد با شبکه‌‌‌های عصبی و مقایسه آن با روش ARMIA. اصفهان: دانشگاه اصفهان: دانشکده علوم اداری و اقتصاد.

تهرانی رضا، عباسیون وحید. (1387). کاربرد شبکه‌‌‌های عصبی مصنوعی در زمان‌بندی معاملات سهام: با رویکرد تحلیل تکنیکی. پژوهش‌‌‌های اقتصادی. دوره هشتم، شماره1، صص 177-151.

جهانخانی علی، پارسائیان علی. (1375). بورس اوراق بهادار. تهران: انتشارات مدیریت دانشگاه تهران.

جهانخانی علی، پارسائیان علی. (1376). مدیریت سرمایه گذاری و ارزیابی اوراق بهادار. تهران: انتشارات مدیریت دانشگاه تهران.

حاتمی نیما، میرزازاده حجت، ابراهیم پور رضا. (1389). ترکیب شبکه‌‌‌های عصبی برای ‌‌‌پیش‌بینی قیمت سهام. پژوهشنامه ی علوم اقتصادی، سال دهم، شماره2، پیاپی 39، صص80-61.

حامدیان مهدی. (1379). بررسی عوامل موثر بر قیمت سهام و تصمیم گیری سرمایه گذاران در بورس اوراق بهادار تهران. تهران: دانشگاه شهید بهشتی: دانشکده مدیریت.

حسینقلی زاده رضا. (1386). محاسبات نرم با مجموعه‌‌‌های فازی و شبکه‌‌‌های عصبی. تبریز: انتشارات مهر ایمان.

حنفی زاده پیام، جعفری ابوالفضل. (1389). مدل ترکیبی شبکه‌‌‌های عصبی مصنوعی پیش خور و خود سازمانده کوهونن برای ‌‌‌پیش‌بینی قیمت سهام. فصلنامه علمی- پژوهشی مطالعات مدیریت صنعتی، سال هشتم، شماره19، صص187-165.

حنیفی فرهاد، بحرالعلموم محمد مهدی، جوادی بابک. (1388). طراحی و تحلیل مقایسه ای الگوریتم‌‌‌های فراابتکاری جهت پیاده سازی سرمایه گذاری شاخص محور در بورس تهران. چشم انداز مدیریت، شماره 32، صص 108-89.

خاتمی حمید رضا. (1387).  مبانی مدل‌سازی فازی جلد اول: جبر فازی. کرمان: انتشارات دانشگاه شهید باهنر کرمان.

خالوزاده حمید، خاکی علی. (1382). ارزیابی روشهای ‌‌‌پیش‌بینی قیمت سهام و ارائه مدلی غیر خطی بر اساس شبکه‌‌‌های عصبی. مجله تحقیقات اقتصادی، شماره64، صص 85-43.

دست خوان حسین. (1391). بررسی کارایی بازار بورس تهران بر اساس مدل ارزش گذاری دارایی‌‌‌های سرمایه ای شرطی. نهمین کنفرانس بین المللی مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی.

دلبری، مهدی. (1380). بررسی معیارهای موثر بر انتخاب سهام در بورس اوراق بهادار تهران بر اساس مدل فرایند سلسله مراتبی (AHP). اصفهان: دانشگاه اصفهان: دانشکده علوم اداری و اقتصاد.

راعی رضا، تلنگی سعید. (1383). ‌‌‌پیش‌بینی درماندگی مالی شرکت‌‌‌ها با استفاده از شبکه عصبی مصنوعی. مجله تحقیقات مالی، شماره17، صص 69-39.

رضوانی حمید رضا. (1390). روش تحقیق در مدیریت. تهران: موسسه کتاب مهربان ناشر.

رعیتی شوازی علیرضا. (1385). ‌‌‌پیش‌بینی قیمت سهام با استفاده شبکه عصبی فازی و الگوریتم زنتیک.اصفهان: دانشگاه اصفهان: دانشکده علوم اداری و اقتصاد.

زیبایی حسن. (1387). الگویی برای ‌‌‌پیش‌بینی سرمایه گذاری بخش‌‌‌های اقتصادی ایران. مجله برنامه و بودجه، شماره 87، صص 78-51.

ساعدی رحمان، مختاریان امید. (1388). بررسی عوامل موثر بر تصمیم گیری سرمایه گذاران در بورس اوراق بهادار تهران. حسابداری مالی، سال اول، جلد3. صص 168-137.

ستایش محمدرضا، تقی زاده شیاده سید تیمور، پور موسی علی اکبر، ابوذری لطف علی. (1388) امکان سنجی بکارگیری شاخص‌‌‌های تحلیل تکنیکی در ‌‌‌پیش‌بینی روند قیمت سهام در بورس اوراق بهادار تهران. فصلنامه بصیرت، سال شانزدهم، شماره 42، صص175-155.

سرفراز لیلا،  افسر امیر. (1384). بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش‌بینی بر مبنای شبکه‌های عصبی فازی. فصلنامه پژوهش‌های اقتصادی، شماره16، صص 165-150.

سلیمی فر مصطفی، شیرزور زهرا. (1389). بررسی کارایی اطلاعاتی بازار بورس به روش آزمون نسبت واریانس. مجله دانش و توسعه، سال هجدهم، شماره31، صص58-29.

شاه محمدی غلامرضا. (1389). تخمین لازم برای ساخت سیستم اطلاعاتی بااستفاده از شبکه عصبی RBF. فصلنامه توسعه، سال پنجم، شماره 18، صص26-9.

شباهنگ رضا. (1372). مدیریت مالی (جلد اول). تهران: مرکز تحقیقات تخصصی حسابداری و حسابرسی سازمان حسابرسی.

شریفی خیرآبادی مهدی. (1378). بهینه سازی سبد سرمایه گذاری. اصفهان: دانشگاه اصفهان: دانشکده علوم اداری و اقتصاد.

شفیعا محمد علی، مانیان امیر، رئیسی وانانی ایمان. (1392). طراحی سیستم استنتاج فازی برای پیش‌بینی میزان موفقیت راهکار برنامه‌ریزی منابع سازمان. مدیریت فناوری اطلاعات، دوره5. شماره1. صص 106-89.

صدرایی محمد، میدانی فرزاد. (1390). مقررات اصول بازار سرمایه، تهران: کانون کارگزاری بورس و اوراق بهادار.

صمدی سعید، نصراللهی زهرا، زاهدمهر امین. (1386). آزمون کارایی و وجود حباب قیمت در بورس اوراق بهادار تهران با استفاده از قاعده ی فیلتر و الگوی CAPM. فصلنامه بررسی‌‌‌های اقتصادی، دوره4، شماره4، صص 113-91.

طلوعی اشلقی عباس، حق دوست شادی. (1388). مدل سازی ‌‌‌پیش‌بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روش‌‌‌های ‌‌‌پیش‌بینی ریاضی. پژوهشنامه اقتصادی، سال چهارم، شماره هفتم، صص 65-23.

عباسی عباس. (1383). بهینه سازی سبد سرمایه گذاری با استفاده از روش‌‌‌های برنامه ریزی خطی و ارائه یک مدل کاربردی. اصفهان: دانشگاه اصفهان: دانشکده علوم ادرای و اقتصاد.

فدایی نژاد محمد اسماعیل. (1373). آزمون شکل ضعیف کارآیی بازار سرمایه و بورس اوراق بهادار ایران. تحقیقات مالی، سال دوم، شماره 5و6، صص 26-6.

فلاح شمس میرفیض. دلنواز اصغری بیتا. (1388). ‌‌‌پیش‌بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه‌‌‌های عصبی. فراسوی مدیریت، سال سوم، شماره 9، صص 212-191.

فهیمی فرد سید محمد، سالار پور ماشا الله، صبوحی محمود. (1390). مقایسه توان ‌‌‌پیش‌بینی مدل عصبی فازی(ANFIS) با مدل شبکه عصبی (ANN) و خود رگرسیونی(ARMIA) مطالعه موردی قیمت هفتگی  تخم مرغ. اقتصاد کشاورزی و توسعه، سال نوزدهم، شماره74، صص 204-181.

قاسمی عبدالرسول، اسدپور حسن، شاه صادقی مختار. (1380). کاربرد شبکه‌‌‌های عصبی در ‌‌‌پیش‌بینی سری‌‌‌های زمانی و مقایسه آن با مدل ARMIA. پژوهش‌‌‌های بازرگانی، جلد4، شماره14، صص120-87.

قالیباف اصل حسن، ناطقی محبوبه، بررسی کارایی در سطح ضعیف در بورس اوراق بهادار تهران(بررسی زیربخش‌‌‌های بازار). تحقیقات مالی، دوره8، شماره22، صص66-47.

کیانی، رضا. نگاهی تحلیلی بر شاخص‌‌‌های بورس با رویکردی بر سهام شناور آزاد. مرکز تحقیقات و توسعه بازار سرمایه ایران.http://reg.seo.ir/Download/Manba_Osul_shakhes.pdf

کوره‌پزان دزفولی امین. (1384). اصول تئوری مجموعه‌های فازی و کاربردهای آن در مدل‌سازی مسائل مهندسی آب، تهران: انتشارات جهاد دانشگاهی واحد صنعتی امیر کبیر.

متوسلی محمود، طالب کاشفی بیژن. (1385). بررسی مقایسه ای توان شبکه‌‌‌های عصبی با ورودی شاخص‌‌‌های تحلیل تکنیکال برای ‌‌‌پیش‌بینی قیمت سهام. نامه اقتصادی، شماره1، صص57-82.

محمدی شاپور. (1383). تحلیل تکنیکی در بورس اوراق بهادار تهران. تحقیقات مالی، 17، صص129-97.

محمدی محمد صادق. (1385). آموزش بدون نظارت شبکه عصبی RBF به وسیله الگوریتم ژنتیک. نهمین کنفرانس دانشجویی مهندسی برق ایران. دانشگاه تهران. 7 تا9 شهریور.

مساح محمد. (1383). تحلیل تکنیکی به زبان ساده. تهران: نشر چالش.

مکیان سید نظام الدین، موسوی فاطمه السادات. (1391). ‌‌‌پیش‌بینی قیمت سهام شرکت فرآورده‌‌‌های نفتی پارس با استفاده از شبکه  عصبی و روش رگرسیونی. فصلنامه مدلسازی اقتصادی، سال ششم، پیاپی 18، صص121-105.

منجمی سید امیر حسن، ابزری مهدی، رعیتی شوازی علیرضا. (1388). ‌‌‌پیش‌بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه ی عصبی فازی و الگوریتم‌‌‌های ژنتیک و مقایسه ی آن با شبکه ی عصبی مصنوعی. فصلنامه ی اقتصاد مقداری، دوره6، شماره3، صص 26-1.

منصور فر کریم. (1385). روش‌‌‌های پیشرفته آماری. تهران: انتشارات دانشگاه تهران.

میرزازاده حجت، توکلی محمدی محمد. (1390). ‌‌‌پیش‌بینی قیمت سهام با استفاده از مدل ترکیبی شبکه‌‌‌های عصبی. فصلنامه مدیریت صنعتی دانشگاه آزاد اسلامی واحد سنندج، سال ششم، شماره15، صص138-125.

نبوی چاشمی سید علی، حسن زاده آیت الله، (1390). بررسی کارایی شاخص تحلیل تکنیکال MA در ‌‌‌پیش‌بینی قیمت سهام. مجله دانش مالی تحلیل اوراق بهادار، شماره دهم، صص106-83.

نصر اللهی زهرا. (1371). تجزیه و تحلیل عملکرد بورس اوراق بهادار تهران. تهران: دانشگاه تربیت مدرس: دانشکده اقتصاد.

نمازی محمد. (1382). بررسی عملکرد اقتصادی بازار بورس اوراق بهادار در ایران. تهران: انتشارات معاونت امور اقتصادی.

نمازی محمد، شوشتریان زکیه. (1375). بررسی کارایی بازار بورس اوراق بهادار تهران. تحقیقات مالی، شماره 7و8، صص 104-82.

هیبتی فرشاد، موسوی سید مصطفی. (1389). ‌‌‌پیش‌بینی شاخص بورس سهام با استفاده از مدل سازی. پژوهش نامه اقتصادی، ویژه نامه بازار سرمایه، سال هفتم، صص72-61.

وانگ لی- شین. (1387). سیستم‌های فازی و کنترل فازی. ترجمه‌ی محمد تشنه لب، نیما صفا پور و داریوش افیونی. تهران: انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی.

منابع انگلیسی

Ata, R. and Kocyigit, Y. (2010). An adaptive neuro-fuzzy inference system approach for prediction of tip speed ratio in wind turbines. Expert Systems with Applications, Vol. 37, No.7, PP. 5454-5460.

Bojadziev, G. and Bojadziev, M. (1997) .Fuzzy Logic for Business, Finance and Management. Singapore: World Scientific.

Cao, Q. and Leggio, K. B. and Schniedejans, M. J. (2005). A comparison between Fama and French's model and Artificial Neural Networks in predicting the Chinese Stock Market, Computers & Operations Research, Vol. 32, PP. 2499-2512.

Castiglione, F. (2000). Forecasting price increments using an Artificial Neural Network, Advanced Complex Systems, Vol. 1, PP. 1-12.

Chang, P. C. and Fan, C. Y. and Liu, C. H. (2009). Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction,  IEEE Transactions On Systems, Man, And Cybernetics Part C: Applications And Reviews, Vol. 39, No. 1, PP. 80-92.

Chang, P. C. and Liu, C. H. and Lin, J. L. and Fan, C. Y. and Ng, C. S. P. (2009). A Neural network with a Case Based Dynamic Window for Stock trading Prediction, Expert Systems with Applications, Vol. 36, PP. 6889-6898.

Cheng, C. B. and Chen, C. L. and Fu, C.J., (2006). Financial distress prediction by Radial Basis Function Network with Logit Analysis Learning, Computers and Mathematics with Applications, Vol. 51, PP. 579-588.

Cheng, C.H. and Lin, Y. (2002). Evaluating the best main battle tank using fuzzy decision theory with linguistic criteria evaluation, European Journal of Operational Research, Vol. 142, PP. 174-186.

Dalkey, N. and Helmer, O. (1963). An experimental application of the Delphi method to the use of experts, Management Science, Vol. 9, No. 3, PP. 458-467.

Dunis, C. L. and Laws, J. and Karathanassopoulos, A. (2011). Modeling and trading the Greek stock market with mixed neural network models, Applied Financial Economics, Vol. 21, No. 23, PP. 1793-1808.

Elton, E. J. and Gruber, M. J. (1995). Modern Portfolio Theory and Investment Analysis, New York: Willey.

Francis, C. J. (1976), Investment, New York: Mc Grow- Hill.

Hamid, Sh. A. (2004). Primer on using Neural Networks for forecasting market variables, Journal of Business Research, Vol. 57, No. 10, PP. 1116-1125.

HollandJ, H. (1975). Adaptation in Natural and Artificial Systems, USA: MIT Press.

Hsu, Ch. M., (2011). A hybrid procedure with feature selection for resolving stock/futures price forecasting problems, Neural Computer & Applica, Vol. 22, pp. 651-671.

Kapoor, V. and Dey, S. and Khurana, A.P. (2011). Genetic Algorithm: an application to technical trading system design, International Journal of Computer Applications, Vol. 36, No. 2, PP. 44-50.

Keng Ang, K. and Quek, CH. (2006). Stock trading using RSPOP: a novel rough set-based Neuron-Fuzzy Approach, IEEE Transaction on Neural Networks, Vol. 1, PP. 1-15.

Kim, H. J. and Shin, K. S. (2007). A hybrid approach based on Neural Networks and Genetic Algorithms for detecting temporal pattern in stock markets, Applied Soft Computing, Vol. 7, PP. 569-576.

Kim, K. J. and Lee, W. B. (2004). Stock market prediction using Artificial Neural Networks with optimal feature transformation, Neural Computer & Applica, Vol. 13, PP. 255-260.

Kim, K. J. (2006), Artificial Neural Networks with evolutionary instance selection for financial forecasting, Expert Systems with Applications, Vol. 30, PP. 519-526.

Klir, G. Yuan, B. (1995), Fuzzy Sets and Fuzzy Logic: Theory and Applications, NJ : Prentice-Hall, Englewood Cliffs,.

Kordos, M. and Cwiok, A. (2011). A new approach to Neural Network based stock trading strategy, Proceedings of the 12th international conference on intelligent data engineering and automated learning, Norwich, UK, September 7-9, PP. 429-436.

Kumaran Kumar. J. and Kailas. A. (2012), Prediction of future stock close price using proposed hybrid ANN model of functional link fuzzy logic neural model, International Journal of Artificial Intelligence, Vol. 1, No. 1, PP. 25-30.

Kuo, J. and Chen, C. and Hwang, Y.C. (2001). An intelligent stock trading decision support system through integration of Genetic Algorithm based Fuzzy Neural Network and Artificial Network. Fuzzy Sets and System, Vol. 118, PP. 21-45.

Jang, J. S. R. and Sun, C. T. and Mizutani, E. (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, New Jersey: Prentice-Hall International.

Lee, C. (1990). Fuzzy Logic in Control Systems: fuzzy logic controller, IEEE Transaction on Systems, Man and Cybernetics, Vol. 20, No. 2, PP. 404 -435.

Lin, C. and Alikhan, H. (2008). Can the Neuron Fuzzy Model predict stock indexes better than its rivals? , Econometrics Reviews, Vol. 29, PP. 14-37.

Loo, R. (2002). The Delphi method: a powerful tool for strategically management, Policing: an International Journal of Police Strategies & Management, Vol. 25, No. 4, PP. 762-769.

Mamdani, E. H. (1990), Application of Fuzzy Logic to approximate reasoning using linguistic synthesis, IEEE Trans on Computers. Vol. 20, No. 12, PP. 1182-1191.

Martinez, L. C. and Hora, D. N. and Palotti, J. R. D. M. and Meria Jr, W. and Pappa, G. L. (2009). From an Artificial Neural Network to a stock market day- trading system: A case study on the BM&F BOVESPA, International Joint Conference on Neural Networks.

Mishkin, S. F. and Ealeins, G. S. (2000), Financial Markets and Institutions. New York: Addison Wesley.

Neiger, B. L. and Barnes, M. D. and Thacheray, R. and Lindman, N. (2001). Use of the Delphi method and Nominal Group Technique in front-end market segmentation, American Journal of Health Studies, Vol. 17, No. 3, PP .111-119.

Pan, W. T. (2010). Performing stock price prediction use of hybrid model, Chinese Management Studies, Vol .4, No. 1, PP. 77-86.

Panda, Ch. and Narasmhan, V. (2006), Predicting stock returns: an experiment of the Artificial Neural Network in Indian stock market, South Asia Economic Journal, Vol. 7, No.  2, PP. 205-218.

Shachmurove, Y. and Witkowska, D. (2000), Utilizing Artificial Neural Network model to predict stock markets, CARESS Working Paper.

Sharpe, W.F. and Alexandr, G. J and Baitey, J. V. (1995), Investment, New Jersey: Prentice Hall.

Singh, R. and Kumar, A., (2011). Intelligent Stock trading technique using technical analysis, IJMBS, Vol. 1, No. 1, PP. 47-49.

Souto C. and Murica, F. and Borba, J.and Costa, N.  (2006), Forecasting IBO VESPA index with fuzzy logic, Working Papers Series, Available at SSRN: http://ssrn.com/abstract=886500 .

Sugeno, M. (1997). Fuzzy measure and fuzzy integrals: a survey fuzzy automata and decision processes, North-Holland, PP. 89-102.

Tan, A. and Quek, C. and Yow, K. C. (2008), Maximizing winning trades using a Novel RSPOP Fuzzy Neural Network intelligent stock trading system, Appl Intel, Vol. 29, PP. 116-128.

Thawornwong, S. and Enke, D. and Dagli, C. (2003). Neural Networks as a decision maker for stock trading: a technical analysis approach, International Journal of Smart Engineering System Design, Vol. 5, No. 4, PP. 313-325.

Vanstone, B. and Finnie, G. (2009). An empirical methodology for developing stock market trading systems using artificial neural networks, Expert Systems with Applications, Vol. 36, PP. 6668–6680.

VonAltrock C. (1997). Fuzzy Logic and Neuron-fuzzy Applications in Business and Finance, New Jersey: prentice Hall. 

Zadeh, L. (1965), Fuzzy Sets, Inform and Control, Vol. 8, PP. 338-353.

Zadeh, L. and Kacprezyk, J. (1992), Fuzzy Logic for the Management of Uncertainty, USA: Wiley Professional Computing.

Zhang, D. and Jiang, Q. and Li, X. (2004). Application of Neural Networks in Financial data mining, transaction on engineering, Computing and Technology, Vol. 1, No. 2, PP. 106-109.

Zimmermann, H. (1991). Fuzzy Sets and Applications, Boston: Kluwer,

Mayers, L. S. and Gamst, G. and Guarino, A. J. (2006). Applied Multivariate Research: Design and Interpretation, London: SAGE Publications.