در این مقاله، یک سیستم معاملاتی خودکار که از ترکیب تحلیل تکنیکال و سیستم استنتاج تطبیقی فازی-عصبی جهت پیش بینی روند قیمتی سهام و افزایش بازدهی حاصل از سرمایه گذاری استفاده می کند، معرفی شده است. در سیستم معاملاتی معرفی شده، نخست با استفاده از الگوریتم بهینه سازی گروه ذرات پارامتر های بهینه اندیکاتورهای تحلیل تکنیکال تعیین شده و با استفاده از خروجی این اندیکاتورها و سیستم استنتاج تطبیقی عصبی-فازی تغییرات قیمت سهم در دوره های بعدی پیش بینی می گردد. نتایج این پیش بینی ها به منظور تعیین زمان مناسب خرید و فروش سهام به منظور کسب بازدهی حداکثر و کاهش ریسک سرمایه گذاری استفاده می شوند. به منظور تست سیستم معاملاتی معرفی شده، هشت سهم به تصادف از میان سهم های موجود در بازار سرمایه ایران انتخاب شد و سیستم به مدت دو ماه بر روی آن ها آزمون گردید. نتایج پژوهش نشان می دهد که با تنظیم پارامتر کردن اندیکاتور های تحلیل تکنیکال می توان دقت حاصل از پیش بینی تغییرات قیمت سهام را افزایش داد و نیز بازدهی سرمایه گذاری را نسبت به روش های معمول در بازار سرمایه و پژوهش های پیشین بیشینه کرد. Manuscript profile

This study aims to investigate the relationship between crude oil price returns and stock market index returns of an exporter (Iran) and an importer (Turkey). Using daily data of West Texas Intermediate (WTI), Brent crude oil spot prices, and one-four month futures prices for the WTI; Tehran Stock Exchange Price Index (TEPIX), Tehran Stock Exchange Dividend and Price Index (TEDPIX), the Dividend and Price Index for the Istanbul Stock Exchange gathered during the period of 2000-2010; the relationship is analyzed by two models of the Constant Conditional Correlation (CCC) and the Dynamic Conditional Correlation (DCC). The findings reveal that the DCC is predominant over the CCC for Turkey, which means there is a non-constant conditional correlation. In contrast, the findings show the predominance of CCC for Iran. Among the spot markets, stock market volatility is better defined by the Brent than the WTI. For futures markets of the WTI, a better relationship with longer maturity confirms the financial markets as being long-term. Finally, no evidence is found for one- or bi-directional volatility spillovers (interdependencies) between the markets. Manuscript profile