نشانگر موج Foot RSI

1. مجله بین المللی اقتصاد کاربردی و دارایی
2. جلد 6 (2) ، 2012
3. 53-63

مجله بین المللی اقتصاد کاربردی و دارایی

سال: 2012 |جلد: 6 |شماره: 2 |صفحه شماره: 53-63

مقاله تحقیق

اجرای شاخص فنی مبتنی بر قانون فازی در بازار سهم

خلاصه

شاخص های فنی در سهام و بازارهای ارزی برای خرید و فروش تصمیمات استفاده می شود. هدف از این مطالعه تهیه یک شاخص فنی مبتنی بر قانون فازی برای بازارهای سهام بود. از حجم عمومی و قیمت های عمومی به عنوان متغیرهای زبانی استفاده می شود. از شماره های فازی Z شکل ، شکل S و مثلثی در این مطالعه استفاده می شود. نرخ موفقیت با تجارت در زمان واقعی و روش تست عقب آزمایش شده است. این نشانگر مبتنی بر قانون فازی نشانگر سیگنال خرید ، نگه داشتن یا فروش است. سیگنال ها با شاخص های فنی کلاسیک به خوبی توافق شده اند. PDF انتزاعی XML استناد به استناد

دریافت: 27 سپتامبر 2011 ؛پذیرفته شده: 20 دسامبر 2011 ؛منتشر شده: 06 ژانویه 2012

نحوه استناد به این مقاله

M. Shahjalal ، Abeda Sultana ، Nirmal Kanti Mitra and A. F. M. Khodadad Khan ، 2012. اجرای شاخص فنی مبتنی بر قانون فازی در بازار سهم. مجله بین المللی اقتصاد و دارایی کاربردی ، 6: 53-63.

معرفی

تکنیک های مدل سازی پیشرفته مانند کنترل کننده های منطق تصادفی ، فازی (FLC) ، شبکه های عصبی مصنوعی (ANN) و الگوریتم ژنتیکی (GA) مجموعه گسترده ای از برنامه های کاربردی در امور مالی و اقتصاد دارند. با ترکیب این تکنیک ها می توان مشکل پیچیده تر را برطرف کرد. این مطالعه قانون فازی را با خط روند ترکیب می کند تا وضعیت بازار و مشاوره سرمایه گذاری را بشناسد. هدف اصلی این مقاله تهیه شاخص فنی مبتنی بر قانون فازی برای بورس است.

با توجه به انتظار بالای سود ، معاملات سهام بسیار خطرناک می شود (گامیل و همکاران ، 2007 ؛ داشور و جین ، 2010). تجزیه و تحلیل اساسی ، مالی و فنی ممکن است خطر سرمایه گذاری را کاهش دهد. در این مطالعه ، یک سیستم استنباط مبتنی بر قاعده فازی ، ما آن را نشانگر فنی مبتنی بر قانون فازی می نامیم که به طور خلاصه به عنوان FRBTI برای تصمیم گیری ، در مورد سرمایه گذاری در بورس ارائه شده است. حجم و قیمت عمومی به عنوان ورودی گرفته می شود و FRBTI نشانگر سیگنال های خرید ، نگه داشتن و فروش به عنوان خروجی است. از قانون فازی برای انجام تجزیه و تحلیل اساسی تجارت سهام استفاده شد (Kwasnicka and Ciosmak ، 2001). تجزیه و تحلیل مبتنی بر قیمت با استفاده از منطق فازی ذکر شد (گامیل و همکاران ، 2007). تجزیه و تحلیل سهام مبتنی بر حجم از تجزیه و تحلیل مبتنی بر قیمت مؤثرتر است. از نرم افزار Amibroker برای مقایسه FIS پیشنهادی با سایر شاخص های فنی استفاده شده است. شبیه سازی های تجربی با استفاده از داده های واقعی گرفته شده از DSE (بورس سهام داکا ، بنگلادش) مشاهده شده است. نتایج حاصل از FIS در مقایسه با سایر شاخص ها توافق شده و گاهی اوقات بهتر است (Achelis ، 2001). بنابراین ، هدف از این مطالعه تهیه یک شاخص فنی مبتنی بر قانون فازی برای بازارهای سهام بود.

تعریف 1: بگذارید x یک مجموعه غیر خالی باشد و i = [0 ، 1] یک فاصله واحد باشد. منظور از تنظیم فازی در X ، منظور ما فقط یک عملکرد عضویت μ: x → i است ، که در آن μ (x) به عنوان درجه عضویت x∈X تحت μ تعبیر می شود.

تعریف 2: یک مجموعه فازی t: → i اگر t دارای یک عملکرد عضویت باشد که توسط:

پارامترهای A و C پاهای مثلث را قرار می دهند و پارامتر B اوج را پیدا می کند.

تعریف 3: یک مجموعه فازی z: → من اگر Z دارای عملکرد عضویت تعریف شده توسط: Z شکل فازی شکل z نامیده می شود:

تعریف 4: یک مجموعه فازی S: → من اگر S دارای یک عملکرد عضویت باشد که توسط:

سیستم های مبتنی بر منطق فازی با توجه به انواع قوانین فازی طبقه بندی می شوند. سه نوع اصلی قوانین عبارتند از: نوع Mamdani ، Takagi-Sugeno-Kang (مدل TSK) و نوع Tsukamoto (گانش ، 2009 ؛ راس ، 1995).

Mamdani Type: این قانون قالب زیر را دارد:

جایی که R K قانون K-TH در سیستم پایه قانون فازی و (K = 1،2. K) است. در اینجا JK و B K مجموعه های فازی در دامنه های مناسب (J = 1،2. N) هستند (Mamdani and Assilian ، 1975).

Takagi-Sugeno-kang نوع: این قانون مانند قالب زیر ظاهر می شود:

جایی که r k ، jk و b k همان معنای قبل را دارند و y = f (x 1 ، x 2 ، x n) یک تابع واقعی از متغیرهای N است (گانش ، 2009).

نوع Tsukamoto همانند Mamdani با این تفاوت است که مجموعه های فازی B K که در نتیجه ظاهر می شوند باید پروفایل هایی داشته باشند که یکنواخت یا کاهش می یابند (گانش ، 2009).

سیستم مبتنی بر قانون فازی

ماژول های اصلی یک سیستم مبتنی بر قانون فازی عبارتند از: فازی سازی یا ماژول فازی ، قوانین فازی ، موتور استنتاج و defuzzifier. اجزای یک سیستم استنباط مبتنی بر قانون فازی در شکل 1 نشان داده شده است.

ماژول فازی سازی: این یک ورودی واضح از دامنه متغیر ورودی را توسط یک مجموعه فازی به یک درجه تبدیل می کند.

قوانین فازی: اینها متشکل از پیشین و متعاقب آن در قالب اظهارات if-then است. تعدادی از قوانین وجود دارد و آنها یک تکه یا دسته تشکیل می دهند و پایه و اساس استنباط را تشکیل می دهد (گانش ، 2009).

ماژول defuzzification: با ارائه خروجی واضح ، به عنوان رابط بین کنترل منطق فازی و سیستم استنباط عمل می کند. روشهای تخریب منظم عبارتند از: Centroid ، Bisector ، میانگین مقدار حداکثر مقادیر ، کوچکترین مقدار حداکثر مقادیر و بزرگترین مقدار حداکثر (Hellendoo and Thomas ، 1993).

میانگین متحرک عادی قیمت توسط گامیل و همکاران معرفی شد.(2007). در این مطالعه میانگین متحرک عمومی قیمت و حجم توسط معادله معرفی شده است.

میانگین متحرک سفارش d کجاست. توجه داشته باشید که قیمت و حجم عمومی با استفاده از Eq محاسبه شده است. 1

تعمیم قیمت: فرض کنید p (i) ، i = 1 ، 2. n ؛جمع آوری قیمت های بسته شدن سهام در روزهای مختلف است و میانگین حرکت سفارش d است.

سپس قیمت عمومی محاسبه شده به صورت:

تعمیم حجم: فرض کنید v (i) ، مجموعه مقادیر سهام معامله شده در روزهای مختلف است و میانگین حرکت سفارش d است.

سپس حجم عمومی در این مطالعه به این صورت محاسبه می شود:

فرمولاسیون سیستم فازی

منطق فازی یا سیستم مبتنی بر قانون به برخی از متغیرهای زبانی فازی ، قوانین فازی ، پیامدهای ، جمع آوری و فرآیند دفع نیاز دارد.

متغیر زبانی: دو متغیر عمومی را برای حجم و قیمت سهام در نظر بگیرید. متغیر x∈X⊆ یک متغیر واضح است که در آن مجموعه x به عنوان جهان در نظر گرفته می شود.

حجم یک متغیر زبانی است: اعداد فازی Z شکل ، مثلثی و S شکل برای ارائه حجم کم ، متوسط و زیاد گرفته می شوند. نمرات عضویت با حجم کم ، متوسط و زیاد توسط LV ، MV و HV مشخص شده است.

قیمت یک متغیر زبانی است: اعداد فازی Z شکل ، مثلثی و S شکل برای ارائه قیمت پایین ، متوسط و زیاد در نظر گرفته می شوند. نمرات عضویت با قیمت پایین ، متوسط و زیاد توسط LP ، MP و HP مشخص شده است.

تصمیم یک متغیر زبانی است: سه شماره فازی مثلثی برای تعریف ارزش تصمیم گیری خرید ، نگه داشتن و فروش گرفته شده است.

تنظیم پارامتر متغیرهای زبانی: یکی از دشوارترین کارها تنظیم مقدار پارامترها است. یک مطالعه آماری با گرفتن بیش از 300 سوابق از هر شرکت انجام شده است. مقدار پارامتر با تجزیه و تحلیل آماری و نظرات عمومی گرفته شده است (جدول 1).

انتخاب عملکرد عضویت: برای ساختن یک سیستم عضویت در سیستم فازی نقش مهمی دارد. مشاهده های مشاهده (گامیل و همکاران ، 2007 ؛ جیووانی ها ، 2010 ؛ Hellendoo and Thomas ، 1993 ؛ Kwasnicka and Ciosmak ، 2001) از استفاده از عملکرد عضویت شکل مثلثی و ذوزنقه ای در برخی برنامه ها. در اوایل توصیف عملکرد عضویت مثلثی است که طبیعی ، محدب و محدود است. در این مطالعه از توابع عضویت مثلثی ، Z و S استفاده شده است.

عملکرد عضویت z-شکل برای این مطالعه گرفته شده است زیرا این عملکرد برای تنظیم مقدار پارامتر z (x) = 1 برای همه x مناسب است

عملکرد عضویت در شکل S برای ارائه ارزش بالا گرفته شده است زیرا این عملکرد برای تنظیم مقدار پارامتر S (x) = 0 برای همه x مناسب است

فازی سازی متغیرهای واضح اولین مرحله از سیستم های مبتنی بر قانون فازی است. فازی به معنای یافتن درجه متغیرهای ورودی است. نمرات متغیرهای واضح هر مقدار در فاصله [0 1] خواهد بود.

فازی سازی قیمت و حجم با انتقال یک مقدار واضح به عملکرد عضویت مربوطه بدست می آید.

تنظیم قوانین فازی: قوانین و منطق فازی زیر با ترکیب مقادیر حجم متغیر زبانی و قیمت برای این مطالعه به این صورت گرفته شده است:

جمع آوری دلالت و فرآیند خنثی سازی: در این مطالعه ، حداقل T-NORM و حداکثر S-NORM به ترتیب به عنوان پیامدهای و عملیات تجمع استفاده شده است. از روش تخریب سانتروئید به عنوان یک فرآیند خنثی سازی استفاده شده است.

پیامدهای: قانون نوع Mamdani تعمیم یافته توسط:

کجا ، من 1 9 است. n است 1. 3. در جایی که r من یک قانون فازی هستند و V ، P متغیر فازی با حجم عمومی ، قیمت و سپس D تصمیم گیری است.

تجمع: یا ؛جایی که φ اپراتور تجمع در اینجا حداکثر است. متغیر Z متعلق به [0 ، 1] در دامنه [-2 ، 2] است.

defuzzification: تبدیل یک مجموعه فازی به یک مقدار واضح واحد نامیده می شود و فرآیند معکوس فازی است.

برای یافتن مقدار defuzzifi از فرمول تعریف شده به عنوان:

در اینجا ، N تعداد عناصر موجود در نمونه را نشان می دهد ، X I S عناصر و z (x i) عملکرد عضویت آن است.

برنامه نویسی و شبیه سازی رایانه

مقادیر عمومی حجم و قیمت توسط نرم افزار Amibroker محاسبه شده است ، که این مزیت برای محاسبه قیمت عمومی و حجم سوابق عظیم سهام دارد. با استفاده از Amibroker ، AFL مختلف (زبان فرمول Amibroker) برای تجزیه و تحلیل و تنظیم پارامترهای متغیرهای زبانی نوشته شده است. بیش از 300 رکورد برای رفع پارامترها انتخاب شده است.

مقادیر پایین ، متوسط و زیاد قیمت و دامنه حجم ثابت نیست. مقدار پارامترها توسط عموم مردم پذیرفته شده است. شکل 2 میانگین حرکت عمومی قیمت و حجم را نشان می دهد. نرم افزار MATLAB برای توسعه قانون فازی یا شاخص فنی مبتنی بر منطق استفاده کرده است. بسیاری از ماژول ها با استفاده از MATLAB برای تجزیه و تحلیل خروجی نوشته شده اند.

شاخص ها: از مجموعه مقادیر defuzzified برای تصمیم گیری در خرید ، نگه داشتن و فروش استفاده می شود. مقادیر واضح همچنین برای ترسیم نمودار استفاده می شود که نشان دهنده منطقه خرید ، نگهداری و فروش در شکل 3 است. سیگنال های مختلف خرید ، نگه داشتن و فروش بستگی به محدوده داده شده دارد.

گرادیان قیمت: شیب قیمت بازار می تواند با ترسیم نمودار شیب مشاهده شود. نمودار توسط:

و طرح x t. شکل 4 شیب قیمت ها را نشان می دهد.

توضیحات داده ها: داده های معاملاتی بازار سهام به دست آمده از وب سایت بورس سهام داکا.

داده های معاملاتی واقعی روزانه DSE (بورس سهام داکا) از سایت موج Stockbangladesh.com گرفته شد. این داده ها حاوی قیمت افتتاح روزانه ، قیمت پایین ، بالا ، بسته شدن و کل یک سهام در یک روز است. قیمت و حجم پایانی برای تعمیم گرفته شده است و این قیمت و حجم تعمیم به عنوان ورودی گرفته می شود.

شاخص های فنی: شاخص های فنی تجزیه و تحلیل بسیار محبوب در مورد سرمایه گذاری سهام و تجارت ارزهای خارجی هستند. در این مطالعه ، ما FRBTI را با چندین شاخص فنی به خوبی استفاده شده مانند RSI ، Stochastic ، ADX و Bollinger Band مقایسه می کنیم. برای جزئیات بیشتر در مورد این شاخص ها ، نویسندگان به مطالعه اشاره می کنند (Achelis ، 2001). در این مطالعه از نرم افزار Amebroker برای بررسی و مقایسه قیمت سهام با سیگنال های تولید شده FRBTI استفاده می شود. نمودارهای شاخص های فنی مختلف در شکل 5 نشان داده شده است.

نتایج

شاخص فنی مبتنی بر قانون فازی (FRBTI) در سرمایه گذاری در بورس اوراق بهادار مورد بررسی قرار گرفته است. تحقیقات با کمک قانون فازی با حداقل T-norm و حداکثر S-NORM انجام شده است. FRBTI با هدف گرفتن حجم و قیمت عمومی به عنوان ورودی برای تصمیم گیری برای خرید ، نگه داشتن یا فروش سهام تهیه شده است. شکل 6 متغیرهای زبانی یک حجم ، قیمت ، تصمیم و سیگنال را نشان داده است.

سوابق سهام توسط نرم افزار Amibroker و توسعه سیستم مبتنی بر قانون فازی مورد بررسی قرار گرفته است. برای تجزیه و تحلیل ، سوابق 1/1/2010 تا 16/3/2011 سهام شرکتهای مختلف گرفته شد. شکل 2 قیمت ها و حجم های عمومی را برای آخرین داده های 45 روزه نشان می دهد.

بررسی FRBTI با گرفتن داده به طور تصادفی از 30 شرکت انجام شد. از تجزیه و تحلیل مشاهده می شود که پس از دریافت سیگنال خرید/فروش ، قیمت در طی چند روز از پیش بینی شروع به افزایش/کاهش می کند.

نه قانون فازی در ترکیب مقادیر متغیرهای زبانی حجم و قیمت تعیین شده است. مشاهدات مختلف در مورد تغییر حجم و قیمت سهام ثبت شده است. می توان گفت که بر اساس FRBTI ، رفتار بازار و فیزیولوژی آن قابل پیش بینی است.

از داده های تاریخی ، برخی از معاملات ساختگی انجام شد. ده مورد پس از دریافت سیگنال خرید ، ده مورد پس از دریافت سیگنال فروش و ده مورد پس از دریافت سیگنال نگهدارنده مشخص شد. و در مورد اول مشاهده شد ، قیمت پس از 3-6 روز افزایش یافت ، در مورد دوم ، قیمت پس از 2-5 روز کاهش یافت و در مورد سوم ، قیمت هفت مورد افزایش یافته و سه مورد کاهش یافته است.

شبیه سازی های حاصل از برخی از ورودی ها در شکل 7 و 3 نشان داده شده است. آنها نشان می دهند که سیگنال های خرید ، فروش یا نگه داشتن و منطقه خرید و فروش تولید شده توسط FRBTI را نشان می دهند.

شاخص های فنی شمع چوب ، باند بولینجر ، میانگین حرکت صلیب و ADX و RSI با FRBTI مقایسه می شوند. مشخص شد که سیگنال های FRBTI با گروه RSI ، تصادفی ، ADX و بولینگر به خوبی موافق هستند (Achelis ، 2001).

نتیجه معاملات: برخی از معاملات واقعی با خرید و فروش سهام شش شرکت ، بر اساس دریافت سیگنال نشانگر مبتنی بر قانون فازی به همراه نمودار شیب قیمت انجام شد. نتایج در جدول 3 آورده شده است.

بحث

بسیاری از محققان منطق فازی را در بازار سهام و پول اعمال کرده اند. در این بخش ، یک بحث تطبیقی ارائه شده است.

نویسندگان (گامیل و همکاران ، 2007) از منطق فازی استفاده کرده اند که قیمت متوسط در حال حرکت عادی و میانگین متحرک ساده را دارند. موفقیت های تجاری ، انجام شده توسط قانون فازی قابل توجه بود. اما ما منطق فازی را بر روی حجم عمومی و قیمت های عمومی و موفقیت در تجارت استفاده کرده ایم.

داشور و جین (2010) این تکنیک را با استفاده از قوانین فازی با بسیاری از شاخص ها پیشنهاد کردند ، این فقط به سرمایه گذاری بلند مدت کمک می کند. اگر کسی از این تکنیک پیروی کند ، سرمایه گذاری کوتاه مدت خطرناک خواهد بود. از طرف دیگر ، ما فقط از دو متغیر زبانی حجم تعمیم یافته و قیمت عمومی استفاده کرده ایم که به تجارت کوتاه مدت و بلند مدت کمک می کند.

در این مطالعه تخمین بازده سرمایه گذاری در بازار سهم (Ravichandran و همکاران ، 2005) ، نویسنده با استفاده از شبکه عصبی مصنوعی با روشهای مختلف سنتی مطالعه کرده است. نویسندگان نشان دادند که سیستم شبکه عصبی در صورت عدم یافتن داده های خاص می تواند به طور کارآمد عمل کند. در مطالعه ما ، که به تکنیک مبتنی بر قاعده فازی می پردازد ، هر متغیر زبانی در فاصله زمانی ارزش دارد [0 1]. بنابراین این تکنیک عملکرد قابل توجهی بهتر از NNS و سیستم های کلاسیک دارد.

وضعیت بازار سهم توسط Thirunavukarasu (2009) با استفاده از شاخص های زیادی که فقط برای طولانی مدت اعمال می شود پیش بینی شده است. از طرف دیگر ، شاخص فنی مبتنی بر قانون فازی می تواند با نگاهی به اندازه و قیمت حجم ، وضعیت بازار را پیش بینی کند ، که می تواند برای مبنای بلند و کوتاه مدت اعمال شود.

سیستم اتورگرایی استنباط فازی مبتنی بر شبکه (ANFIS) توسط Giovanis (2010) نشان داده شده است ، عملکرد پیش بینی را مورد بررسی قرار داده و دریافت که عملکردهای ANFIS در بیشتر موارد برای سایر مدل ها قابل توجه است. در این مطالعه ، شاخص های مبتنی بر قانون فازی بهتر از سایر شاخص های کلاسیک عمل می کنند ، زیرا دانش تخصصی در تکنیک ها گنجانیده شده است.

رویکرد مبتنی بر منطق فازی در الگوی مختلف تجزیه و تحلیل فنی توسط ژو و دونگ (2004) مورد بحث قرار گرفته است ، نتایج نشان می دهد که این سیستم می تواند تفاوت های ظریف را در یک الگوی کاملاً مشخص تشخیص دهد. این سیستم (ژو و دونگ ، 2004) ممکن است برای سرمایه گذاران به عنوان راهی برای ادغام شناخت انسان در آمار تجارت تاریخی ارزشمند باشد. جایی که به عنوان FRBTI فقط سیگنال را انجام می دهد و فقط قیمت و حجم را به عنوان ورودی می گیرد. سرمایه گذاری در سهام ، با استفاده از این سیگنال شامل نتایج منحنی واگرایی سود رضایت بخش است.

نتیجه

این مطالعه یک منطق فازی یا شاخص فنی مبتنی بر قاعده را پیشنهاد می کند که حجم و قیمت عمومی را به عنوان ورودی می گیرد. مشخص شده است که این سیستم هنگام استفاده از نمودار شیب قیمت به خوبی کار می کند. این شاخص سیگنال خرید ، نگه داشتن و فروش را که توسط قوانینی که توسط تحلیلگر متخصص وجود دارد ، می دهد. شاخص فنی مبتنی بر قانون فازی ممکن است برای سرمایه گذاری در بازار سهام استفاده شود.

تصدیق

نویسندگان دوست دارند از پروفسور دکتر M. Dilder Hossain ، دانشگاه Primeasia و Kazi Muhammad Rezaul Karim ، مسئول اصلی ، مدیر ملی اعتبار و تجارت با مسئولیت محدود ، بخاطر پیشنهاد و تشویق آنها تشکر کنند.

منابع

Achelis ، S. B. ، 2001. تجزیه و تحلیل فنی از A تا Z. 2nd Edn. ، McGraw-Hill ، New York ، صفحات: 308.

Dashore ، P. and S. Jain ، 2010. سیستم مبتنی بر قانون فازی برای توصیف روند تصمیم گیری در بازار سهم. int. J.comput. علمیمهندس ، 2: 1973-1979. لینک مستقیم

گانش ، م. ، 2009. مقدمه ای بر مجموعه های فازی و منطق فازی. PHI Leaing ، هند.

Giovanis ، E. ، 2010. کاربرد سیستم استنتاج فازی مبتنی بر شبکه در پیش بینی متغیرهای کلان اقتصادی. ACAD جهانی. علمیمهندسTechnol. ، 64: 660-667. لینک مستقیم

Hellendoo ، H. and C. Thomas ، 1993. Defuzzification در کنترل کننده های فازی. int. Fuzzy Syst. ، 1: 109-123.

Kwasnicka ، H. and M. Ciosmak ، 2001. تکنیک های هوشمند در تجزیه و تحلیل سهام. مجموعه مقالات سیستم های اطلاعاتی هوشمند ، 4-11 مارس 2006 ، Aetminer ، صص: 195-208.

Mamdani ، E. H. و S. Assilian ، 1975. آزمایش در سنتز زبانی با یک کنترلر منطق فازی. int. J. Man-Mach. گل میخ. ، 7: 1-13. پیوند CrossRefdirect

Ravichandran ، K. S. ، P. Thirunavukarasu ، R. Nallaswamy and R. Babu ، 2005. تخمین بازده سرمایه گذاری در بازار سهم از طریق A. ج. اطلاعات کاربردیTechnol. ، 3: 44-54.

Thirunavukarasu ، P. ، 2009. مطالعه ای در مورد وضعیت بازار سهم: رویکرد فازی. Global J. Finance Manag. ، 1: 123-134.

Ross ، T. J. ، 1995. منطق فازی با برنامه های مهندسی. مک گرا هیل ، نیویورک ، ایالات متحده ، ISBN-13: 9780070539174 ، صفحات: 600.

ژو ، X. S. و M. Dong ، 2004. آیا منطق فازی می تواند تجزیه و تحلیل فنی 20/20 را ایجاد کند؟مقعد مالی. ج. ، 60: 54-75. لینک مستقیم

Gamil ، A. A. ، R. S. El-Fouly و N. M. Darwish ، 2007. تجزیه و تحلیل فنی سهام با استفاده از چند عامل و منطق فازی. مجموعه مقالات کنگره جهانی مهندسی ، 2-4 ژوئیه 2007 ، لندن ، انگلیس ، صص: 142-147. لینک مستقیم

پاسخ دهید

آدرس ایمیل شما منتشر نخواهد شد. زمینه های مورد نیاز علامت گذاری شده اند *