۲-۴-۹- شبکه ANFIS 39
۲-۴-۹-۱- مزایای ANFIS 41
۲-۴-۱۰-‌ فرایند یادگیری در شبکه‌ ۴۲
۲-۴-۱۰-۱- الگوریتم‌یادگیری پس انتشار خطا ۴۲
۲-۴-۱۰-۲- ایجاد ساختار اولیه FIS 43
۲-۴-۱۰-۳- فرایند یادگیری در شبکه ANFIS 44
۲-۴-۱۱- اندازه گیری خطا در شبکه‌های عصبی ۴۴
۲-۴-۱۲- نرمالسازی خطی داده‌ها در فاصله [L,H] 46
۲-۵- پیشینه موضوع ۴۷
۲-۵-۱- بررسی کارآیی‌یا عدم کارآیی بازار ۴۷
۲-۵-۲- امکان سنجی بکارگیری شاخص‌های تحلیل تکنیکال در پیش‌بینی روند قیمت سهام ۴۸
۲-۵-۳- مروری بر پژوهشات صورت گرفته در زمینه پیش‌بینی متغیرهای اقتصادی و مالی با بهره گرفتن از سیستم‌های هوشمند ۴۹
۲-۵-۳-۱- پژوهشات داخلی ۴۹
۲-۵-۳-۲- پژوهشات خارجی ۵۲
خلاصه ۶۱
 
فصل سوم: روش پژوهش
مقدمه. ۶۲
۳-۱- اهداف پژوهش. ۶۳
۳-۲- متغیرهای پژوهش. ۶۳
۳-۳- فرضیه های پژوهش. ۶۵
۳-۴- نوع پژوهش. ۶۵
۳-۵- روش پژوهش. ۶۶
۳-۶-  جامعه آماری. ۷۳
۳-۷- ابزار گردآوری داده ها. ۷۳
۳-۸- ابزار تجزیه و تحلیل. ۷۵
۳-۹-  قلمرو پژوهش. ۷۵
خلاصه. ۷۵
 
فصل چهارم: تجزیه و تحلیل داده‌ها
مقدمه ۷۶
۴-۱- انتخاب متغیرهای ورودی ۷۷
۴-۱-۱- نرمال سازی داده ها ۷۷
۴-۱-۲- شناسایی متغیرهای ورودی شبکه ۷۷
۴-۲- پیش بینی شاخص های تحلیل تکنیکال با بهره گرفتن از شبکه عصبی فازی ۸۱
۴-۲-۱- انتخاب داده های آزمون و آموزش ۸۱
۴-۲-۲- طراحی شبکه عصبی فازی ۸۱
۴-۲-۳- ارزیابی عملکرد شبکه ۸۲
۴-۲-۳-۱- ارزیابی عملکرد شبکه بر اساس معیار MSE 82
۴-۲-۳-۲- ارزیابی عملکرد شبکه بر اساس معیار RMSE 85
۴-۳- بررسی درصد صحت پیش بینی شبکه عصبی فازی ۸۷
۴-۴- بررسی معناداری تفاوت میانگین بازدهی روش های معاملاتی ۸۹
خلاصه ۹۳
 
فصل پنجم: نتیجه گیری و پیشنهادها
مقدمه ۹۴
۶-۱- خلاصه پژوهش ۹۵
۶-۲- نتایج پژوهش ۹۵
۶-۲- محدودیت های پژوهش ۹۷
۶-۳- پیشنهادها ۹۷
خلاصه ۹۸
منابع فارسی ۹۹
منابع انگلیسی ۱۰۳
پیوست۱ ۱۰۷
پیوست۲ ۱۱۷