آرمن، سیدعزیز و علی رئوفی (1393)، ارزیابی پیشبینیپذیری قیمت طلا و مقایسه پیشبینی روشهای خطی و غیرخطی، نظریههای کاربردی اقتصاد، شماره 3، صص 24-1. رضایی، وحید (1390)، بررسی رفتار آشوبناک در سری زمانی قیمت طلا، پایاننامه کارشناسی ارشد، دانشگاه شهید چمران اهواز، دانشکده اقتصاد و علوم اجتماعی. رئوفی، علی (1392)، شناسایی سیستم مولد دادههای شاخص بورس اوراق بهادار تهران، مدلسازی و پیشبینی آن با استفاده از محاسبات نرم، پایاننامه کارشناسی ارشد، دانشکده اقتصاد و علوم اجتماعی دانشگاه شهید چمران اهواز. زراءنژاد، منصور و علی رئوفی (1394)، ارزیابی و مقایسه عملکرد پیشبینی روشهای خطی و غیرخطی برای بازده روزانه بورس اوراق بهادار تهران، دو فصلنامه اقتصاد پولی - مالی، شماره 9، صص 29- 1. زراءنژاد، منصور، پویان کیانی، صلاح ابراهیمی و علی رئوفی (1391)، پیشبینی قیمت نفت خام اوپک با استفاده از مدل میانگین متحرک خودرگرسیون انباشته فازی، پژوهشنامه اقتصاد انرژی ایران، شماره 5، صص 127- 107. صادقی، حسین و مهدی ذوالفقاری (1389)، پیشبینی کوتاهمدت تقاضای برق کشور با استفاده از شبکههای عصبی و تبدیل موجک، فصلنامه اقتصاد مقداری (بررسیهای اقتصادی سابق)، دوره 7، شماره 2، صص 56-27. عباسینژاد، حسین و شاپور محمدی (1384)، تحلیل سیکلهای تجاری با استفاده از نظریه موجکها، مجله تحقیقات اقتصادی، شماره 75، صص 20-1. کیانی بجستانی، آرمان، یاسر محمدیان روشن، ناصر پریز و محمدرضا اکبرزاده توتونچی (1385)، پیشبینی سریهای زمانی آشوبگرا مبتنیبر ترکیب تبدیل موجک و شبکههای تطبیقی عصبی - فازی، چهاردهمین کنفرانس بینالمللی مهندسی برق. محمدی، تیمور، عاطفه تکلیف و ساحل زمانی (1396)، پیشبینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی،فصلنامه پژوهشهای اقتصادی ایران، شماره 71، صص 26- 1. مشیری، سعید، کامران پاکیزه، منوچهر دبیریان و ابوالفضل جعفری (1389)، بررسی رابطه میان بازدهی سهام و تورم با استفاده از تجزیه موجک در بورس اوراق بهادار تهران، فصلنامه پژوهشهای اقتصادی ایران، شماره 42، صص74-55. نادری، اسماعیل (1391)، تحلیل آشوب و بررسی عملکرد مدلهای خطی و غیرخطی سری زمانی در پیشبینی شاخص بازدهی بورس تهران،پایاننامه کارشناسی ارشد، دانشگاه تهران، دانشکده اقتصاد. Abbasi, E., & Abouec, A. (2008). Stock price forecast by using neuro-fuzzy inference system. In Proceedings of World Academy of Science, Engineering and Technology, 36, 320-323. Burrus, C. S., Gopinath, R. A., Guo, H., Odegard, J. E., & Selesnick, I. W. (1998). Introduction to wavelets and wavelet transforms: a primer (Vol. 1). New Jersey: Prentice hall. Diebold, F. X., & Mariano, R. S. (2002). Comparing predictive accuracy. Journal of Business & economic statistics, 20(1), 134-144 . Jang, J. S. (1993). ANFIS: adaptive-network-based fuzzy inference system. IEEE transactions on systems, man, and cybernetics, 23(3), 665-685. Karim, S. A. A., Karim, B. A., Ismail, M. T., Hasan, M. K., & Sulaiman, J. (2011). Applications of wavelet method in stock exchange problem. Journal of Applied Sciences, 11(8), 1331-1335. Cao, Q., Leggio, K. B., & Schniederjans, M. J. (2005). A comparison between Fama and French's model and artificial neural networks in predicting the Chinese stock market. Computers & Operations Research, 32(10), 2499-2512. Lineesh, M. C., & John, C. J. (2010). Analysis of non-stationary time series using wavelet decomposition. Nature and Science, 8(1), 53-59. Raoofi, A. (2014). Identifying data generator process of Tehran stock exchange, modeling and forecasting using soft computing. Master's Thesis, Faculty of Economics and social Science, Shahid Chamran University. (in Persian). Raoofi, A., Zarranezhad, M., Bayani, O. (2015). Assessment and Comparison of linear and non- linear Methods for Forecasting Returns on Stock Market Index, International Journal of Scientific Management and Development, 3 (10), PP. 1-9. Raoofi, A., Montazer-Hojjat, A. H., & Kiani, P. (2016). Comparison of several combined methods for forecasting Tehran stock exchange index. International Journal of Business Forecasting and Marketing Intelligence, 2(4), 315-333. Srinivasan, K., & Fisher, D. (1995). Machine learning approaches to estimating software development effort. IEEE Transactions on Software Engineering, 21(2), 126-137. Tan, C., & Pedersen, C. N. S. (2009). Financial time series forecasting using improved wavelet neural network. Master of Computer Science Faculty of Science. Univesity of Copenhagen. Copenhagen. Gao, X., Xiao, F., Zhang, J., & Cao, C. (2004). Short-Term prediction of chaotic time series by wavelet networks. In Intelligent Control and Automation, WCICA 2004. Fifth World Congress on (Vol. 3, pp. 1931-1935). IEEE. Zarranezhad, M, Kiyani, P., Ebrahimi, S., Raoofi, A. (2013). Forecasting OPEC crude oil price Using Fuzzy Autoregressive Integrated Moving Average (FARIMA) Model, Iranian Energy Economics Research, 5, 107-127. (in Persian). Zarranezhad, M., Raoofi, A. (2015). Evaluation and comparison of forecast performance of linear and non-linear methods for daily returns of tehran stock exchange, Financial Monetary Economics, 22(9), 1-28. (in Persian). Zarranezhad, M., Raoofi, A. and Kiani, P. (2012). Evaluation and comparison of performance of ANFIS and ARIMA in forecasting the daily gold prices, The First international conference on econometrics and methods applications. (in Persian). دانلود اصل مقاله (747.35 K) |
