پیش‌بینی شاخص کل بورس اوراق بهادار تهران با رویکرد سیستم استنتاج عصبی- فازی انطباق پذیر و الگوریتم رقابت استعماری

 

حیدری زارع، ب. کردلوئی، ج. (1389). پیش­بینی بازده سهام با استفاده از مدل­های غیرخطی آستانه­ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل­ها. نشریه علمی‌پژوهشی تحقیقات مالی، شماره 34، صص. 91-108.

سینائی، حسنعلی؛ مرتضوی، سعید ا...؛ تیموری اصل، یاسر. (1384). پیش­بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی. مجله بررسی­های حسابداری و حسابرسی، شماره 41، پاییز، صص. 83-59.

صالحی، مجتبی، کردکتولی، علیرضا، (1396). انتخاب ویژگی‌های بهینه به‌منظور تعیین ریسک اعتباری مشتریان بانکی. مطالعات مدیریت کسب‌وکار هوشمند، دوره 6، شماره 22، زمستان 1396، صفحه 129-154

منجمی، ا.، ابزاری، م.، و رعیتی شوازی، ع.، (1388). پیش­بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتم­های ژنتیک و مقایسه آن با شبکه عصبی مصنوعی. فصلنامه اقتصادی مقداری، دوره 6، شماره 3، پاییز 1388، صص.1-26.

هرمزی شیرکو، (1388). بررسی رابطه بین بازده غیرعادی سهام و متغیرهای کلان اقتصادی در بورس اوراق بهادار تهران. پایان‌نامه کارشناسی ارشد، دانشگاه آزاد واحد تبریز، دانشکده اقتصاد و مدیریت.

هیبتی، فرشاد؛ موسوی، سیدمصطفی. (1389). پیش‌بینی شاخص بورس سهام با استفاده از مدل‌سازی شبکه عصبی فازی. پژوهشنامه اقتصادی، شماره 7 (ویژه­نامه بازار سرمایه)، صص. 72-61.

Asadi, S., Hadavandi, E., Mehmanpazir, F. and Nakhostin, M. M. (2012) Hybridization of evolutionary Levenberg-Marquardt neural networks and data pre-processing for stock market prediction, Knowledge-Based Systems. Elsevier B.V., 35(5), pp. 245–258.

Ben Naser, Samy and Ghazuani, Samir. (2007). Stock markets, Banks and economic growth Empirical Evidence from the MENA region. Research in International Business anFinance, 21(2), pp. 297-315.

Göçken Mustafa, Özçalıcı Mehmet, Boru Aslı, Ayse Tugba Dosdogru. (2016). Integrating metaheuristics and Artificial Neural Networks for improved stock price prediction. Expert SystemsWith Applications, 44(1), pp. 320–331.

Jang J.S. (1993). ANFIS: Adaptive-Network-based Fuzzy Inference Systems. IEEE Transactionson Systems Man, and Cybernetics, 23(3), pp. 665–685.

Huang, Y., Capretz, L. F., & Ho, D. (2019). Neural Network Models for Stock Selection Based on Fundamental Analysis. arXiv preprint arXiv:1906.05327

Lincy Rubell Marion G, Jessy John C. (2016). A multiple fuzzy inference systems frame work for daily stock trading with application to NADAQ stock exchange. Expert Systems withApplications, 44(1), pp. 13-22.

M. Sudhakar, J. Albert Mayan and N. Srinivasan. (2016). Intelligent Data Prediction System Using Data Mining and Neural Networks. Proceedings of the International Conference on Soft Computing Systems, Advances in Intelligent Systems and Computing 398. India 2016.

Pimenta, A., Guimaraes, F. G., Carrano, E. G., Nametala, C. A. L. and Takahashi, R. H. C. (2014) GoldMiner: A genetic programming based algorithm applied to Brazilian Stock Market, in 2014 IEEE Symposium on Computational Intelligence and Data Mining (CIDM), pp. 397–402.

Prema, K. V., Manish Agarwal, N., Krishna, M. and Agarwal, V. (2016) Stock Market Prediction using Neuro-Genetic Model, Indian Journal of Science and Technology, 8(35), pp. 876–891.

Qiu, M., Song, Y. and Akagi, F. (2016) Application of artificial neural network for the prediction of stock market returns: The case of the Japanese stock market, Chaos, Solitons & Fractals. Elsevier Ltd, 85(3), pp. 1–7.

Vieira, S. M., Sousa, J. M. C., & Kaymak, U. (2012). Fuzzy Criteria for Feature Selection. Fuzzy Sets and Systems, 189(1), pp. 1–18.

Yung-Keun Kwon and Byung-Ro Moon. (2007). A Hybrid Neurogenetic Approach for Stock Forecasting, IEEE Transactions on Neural Networks, 18(3), pp. 851–864.