Decision making on daily trading of Tehran Stock Exchange based on a multiple fuzzy inference system framework

Subject Areas : Financial engineering

ahmad nateq golestan ¹ ( Department of Financial Management, Faculty of Humanities, neyshabur Branch, neyshabur, iran. )
mina hajinaghi ² ( Graduate, Department of Business Management, Faculty of Humanities, neyshabur Branch, neyshabur, iran. )

Received: 2019-01-02 Accepted : 2019-05-08 Published : 2019-12-22

Keywords: Return, Fuzzy Inference System, Stock Trading, Technical Index, Fundamental Information, Tehran Stock Exchange Decision Making,

Abstract :

The purpose of this study is to create an expert system for predicting daily business decisions in a normal environment of a financial market. The template of our study system consists of a multiple FIS framework that includes three dedicated FISs for decision-making on stock purchase, buying, holding and sales. The basic information system of the relevant companies and the historical stock prices that are processed to provide technical information is received as an input to the multiple FIS framework. This framework provides an investor with a series of proprietary asset documents on a daily basis in each of the buying, holding and selling systems. The review of this framework in the markets of Tehran Stock Exchange shows that considering market information as input and technical information, as compared to systems that use only technical information as input information, increase Returns are profitable. This framework, known as a stock market index, has yielded better performance than some of the most famous technical indicators such as Divergent / Convertible Moving Average, Relative Strength Index, Stochastic Oscillator, and Chaikin Oscillator. This developed framework, in addition, shows that risk-taking is not a positive factor for increasing profitability, and having basic information can increase risk aversion

References:

• 1)سلطانیان, خه بات؛ سیده دنیا الیاسی و گلاله عزیزی، ۱۳۹۱، پیش بینی بازار بورس با استفاده از سیستم استنتاج فازی و شبکه های عصبی مصنوعی، اولین همایش بین المللی اقتصاد سنجی، روشها و کاربردها، سنندج، دانشگاه آزاد اسلامی واحد سنندج.


• 2)عزیزی, زینب و مجید وفایی جهان، ۱۳۹۵، طراحی سیستم استنتاج فازی مارکوفی رفتار سهام مبتنی بر شاخص های متحرک بورس – اوراق بهادار ایران، سومین کنگره بین المللی فن آوری، ارتباطات و دانش، مشهد، دانشگاه آزاد اسلامی واحد مشهد.


• 3) Abbasi, E., Abouec, A. 2008. "پیش بینی قیمت سهام با استفاده از سیستم استنتاج عصبی فازی." در مجموعه مقالات آکادمی جهانی علوم، مهندسی و فناوری 36: 320-323.
  4) Anbalagan, T., Maheswari, S. U. 2015. "طبقه بندی و پیش بینی شاخص بورس بر اساس متاگراف فازی." Procedia Computer Science 47: 214-221.
  5) Boyacioglu, M. A., Avci, D. 2010. "یک سیستم استنتاج فازی مبتنی بر شبکه تطبیقی ​​(anfis) برای پیش بینی بازده بازار سهام: مورد بورس استانبول." سیستم های خبره با برنامه های کاربردی 37 (12): 7908-7912.
  6) Damousis, I. G., Dokopoulos, P. 2001. "یک سیستم خبره فازی برای پیش بینی سرعت باد و تولید برق در مزارع بادی." کنفرانس بین المللی کاربردهای کامپیوتری صنعت برق. 63-69.
  7) Dash, P. K., C., L. A., Rahman, C., Ramakrishna, G. 1995. "ساخت یک سیستم خبره فازی برای پیش بینی بار الکتریکی با استفاده از یک شبکه عصبی ترکیبی." سیستم های خبره با برنامه های کاربردی 9 (3): 407-421.
  8) فتحی تربغان، م.، مایر، د. 1994. "مدوزا: یک سیستم خبره فازی برای تشخیص پزشکی درد حاد شکم." روش های اطلاع رسانی در پزشکی 33 (5): 522-529.
  9) Feigenbaum, E. A. 1984. "مهندسی دانش." Annals of the New York Academy of Sciences 426 (1): 91-107.
  10) Gunduz, H., Cataltepe, Z. 2015. "پیش بینی روزانه بورس استانبول (بیست) با استفاده از اخبار مالی و انتخاب متوازن ویژگی." سیستم های خبره با برنامه های کاربردی 10-20.
  11) Hadjimichael، M. 2009. "یک سیستم خبره فازی برای ارزیابی ریسک هوانوردی." سیستم های خبره با برنامه های کاربردی 36 (3): 6512-6519.
  12) Hu, Y., Liu, K., Zhang, X., Su, L., Ngai, E., Liu, M. 2015. "کاربرد محاسبات تکاملی برای کشف قانون در معاملات الگوریتمی سهام: بررسی ادبیات. " محاسبات نرم کاربردی
  13) جونز، آ.، کافمن، آ.، زیمرمن، H. 1986. "تئوری مجموعه های فازی و کاربردها." موسسه مطالعات پیشرفته.
  14) کوسینسکی، دبلیو، ویگل. M. 1997. "سیستم خبره با ماژول استنتاج فازی تطبیقی." در سیستم های الکترونیک هوشمند مبتنی بر دانش 2: 525-532.
  15) Kuo, R. J., Chen, C. H., Hwang, Y. C. 2001. "یک سیستم پشتیبانی تصمیم گیری معاملات سهام هوشمند از طریق ادغام شبکه عصبی فازی مبتنی بر الگوریتم ژنتیک و شبکه عصبی مصنوعی." مجموعه ها و سیستم های فازی118(1):21-45.
  16) Lam, S. S. 2001. "یک سیستم خبره فازی ژنتیکی برای زمان بندی بازار سهام." در مجموعه مقالات محاسبات تکاملی کنگره 2001 در مورد IEEE. 410-417.
  17) Lee, H. J., Park, D. Y., Ahn, B. S., Park, Y. M., Park, J. K., Venkata, S. S. 2000. "یک سیستم خبره فازی برای تشخیص یکپارچه خطا." IEEE Transactions on Power Delivery 15 (2): 833-838.
  18) Medsker, L. R. 1995. "سیستم های هوشمند ترکیبی." شبکه های عصبی (علوم کامپیوتر) 95-105.
  19) Moon, Y., Yau, C., Yip, W. 1989. "یک سیستم پشتیبانی تصمیم هوشمند برای سرمایه گذاری سهام." در TENCON'89. چهارمین کنفرانس بین المللی IEEE Region 10. 956-959.
  20) Othman, S., Schneider, E. 2010. "تصمیم گیری با استفاده از منطق فازی برای معاملات سهام." در سمپوزیوم بین المللی در فناوری اطلاعات (ITSim) 2: 880-884.
  21) شاهین، یو.، اوزبای اوغلو، A. M. 2014. "Tn-rsi: شاخص rsi با روند عادی برای سیستم های معاملات سهام با محاسبات تکاملی." Procedia Computer Science 36: 240-245.
  22) Van der Werf, H. M., Zimmer, C. 1998. "یک شاخص از اثرات زیست محیطی آفت کش ها بر اساس یک سیستم خبره فازی." Chemosphere 36 (10): 2225-2249.
  23) Wagman, D., Schneider, M., Shnaider, E. 1994. "در مورد استفاده از ریاضیات بازه ای در سیستم های خبره فازی." مجله بین المللی سیستم های هوشمند 9 (2): 241-259.
  24) Zhou، H. 2013. "مدل سازی تصمیم گیری تحلیلگران سهام: یک سیستم پشتیبانی تصمیم هوشمند." در SNPD 2013 - چهاردهمین کنفرانس بین المللی ACIS در زمینه مهندسی نرم افزار، هوش مصنوعی، شبکه و محاسبات موازی/ توزیع شده IEEE. 29-34.

• 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.


• Anbalagan, T., Maheswari, S. U. 2015. "Classification and prediction of stock market index based on fuzzy metagraph." Procedia Computer Science 47: 214-221.


• Boyacioglu, M. A., Avci, D. 2010. "An adaptive network-based fuzzy inference system (anfis) for the prediction of stock market return: the case of the Istanbul stock exchange." Expert Systems with Applications 37 (12): 7908-7912.


• Damousis, I. G., Dokopoulos, P. 2001. "A fuzzy expert system for the forecasting of wind speed and power generation in wind farms." International Conference on Power Industry Computer Applications. 63-69.


• Dash, P. K., C., L. A., Rahman, C., Ramakrishna, G. 1995. "Building a fuzzy expert system for electric load forecasting using a hybrid neural network." Expert Systems with applications 9 (3): 407-421.


• Fathi-Torbaghan, M., Meyer, D. 1994. "Medusa: a fuzzy expert system for medical diagnosis of acute abdominal pain." Methods of information in medicine 33 (5): 522-529.


• Feigenbaum, E. A. 1984. "Knowledge engineering." Annals of the New York Academy of Sciences 426 (1): 91-107.


• Gunduz, H., Cataltepe, Z. 2015. "Borsa istanbul (bist) daily prediction using financial news and balanced feature selection." Expert Systems with Applications 10-20.


• Hadjimichael, M. 2009. "A fuzzy expert system for aviation risk assessment." Expert Systems with Applications 36 (3): 6512-6519.


• Hu, Y., Liu, K., Zhang, X., Su, L., Ngai, E., Liu, M. 2015. "Application of evolutionary computation for rule discovery in stock algorithmic trading: A literature review." Applied Soft Computing.


• Jones, A., Kaufmann, A., Zimmermann, H. 1986. "Fuzzy sets theory and applications." Advanced Study Institute.


• Kosinski, W., Weigl. M. 1997. "Expert system with an adaptive fuzzy inference module." In Knowledge-Based Intelligent Electronic Systems 2: 525-532.


• Kuo, R. J., Chen, C. H., Hwang, Y. C. 2001. "An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network." Fuzzy sets and systems118(1):21-45.


• Lam, S. S. 2001. "A genetic fuzzy expert system for stock market timing." In Evolutionary Computation Proceedings of the 2001 Congress on IEEE. 410-417.


• Lee, H. J., Park, D. Y., Ahn, B. S., Park, Y. M., Park, J. K., Venkata, S. S. 2000. "A fuzzy expert system for the integrated fault diagnosis." IEEE Transactions on Power Delivery 15 (2): 833-838.


• Medsker, L. R. 1995. "Hybrid intelligent systems." Neural networks (Computer science) 95-105.


• Moon, Y., Yau, C., Yip, W. 1989. "An intelligent decision support system for stock investment." In TENCON’89. Fourth IEEE Region 10 International Conference. 956-959.


• Othman, S., Schneider, E. 2010. "Decision making using fuzzy logic for stock trading." In International Symposium in Information Technology (ITSim) 2: 880-884.


• Sahin, U., Ozbayoglu, A. M. 2014. "Tn-rsi: Trend-normalized rsi indicator for stock trading systems with evolutionary computation." Procedia Computer Science 36: 240-245.


• Van der Werf, H. M., Zimmer, C. 1998. "An indicator of pesticide environmental impact based on a fuzzy expert system." Chemosphere 36 (10): 2225-2249.


• Wagman, D., Schneider, M., Shnaider, E. 1994. "On the use of interval mathematics in fuzzy expert systems." International Journal of Intelligent Systems 9 (2): 241-259.


• Zhou, H. 2013. "Modeling stock analysts’ decision making: An intelligent decision support system." In In SNPD 2013 - 14th ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/ Distributed Computing IEEE. 29-34.