حسابداری، امور مالی و هوش محاسباتی 3092-7366 4 اردیبهشت 1405 1405 02 01 Developing an Investment Modeling Framework by Integrating Japanese Candlestick Patterns and Fuzzy Logic توسعه یک چارچوب مدل‌سازی سرمایه‌گذاری مبتنی بر ادغام الگوهای کندل‌استیک ژاپنی و منطق فازی 1 19 10.61838/jafci.189 FA زهرا صادقی گروه اقتصاد، واحد شيراز، دانشگاه آزاد اسلامي، شيراز، ايران هاشم زارع گروه اقتصاد، واحد شيراز، دانشگاه آزاد اسلامي، شيراز، ايران مهرزاد ابراهیمی گروه اقتصاد، واحد شيراز، دانشگاه آزاد اسلامي، شيراز، ايران Journal Article 1404/04/03 <p>This study aimed to design and validate a novel investment model that integrates Japanese candlestick patterns with fuzzy logic to enhance stock market trend prediction and manage uncertainty in financial data. This applied and developmental research utilized historical stock market data, including open, close, high, and low prices over sequential trading periods. Data were transformed into candlestick representations, and features such as the Relative Strength Index (RSI), divergences, and failure swings were extracted. Fuzzy sets and membership functions were defined to formulate if–then rules, while five-day clustering was applied to structure time series. A fuzzy information retrieval mechanism using the TF–IDF index ranked candlestick patterns and matched future market trends. The final model was implemented in Python and compared against traditional forecasting approaches. Results demonstrated that the proposed model outperformed conventional methods in predicting future market trends, improving performance indicators such as risk-adjusted return and ROI. The novel aggregation operator and fuzzy rule-based structure effectively managed noisy and heterogeneous data, leading to more stable predictions under volatile market conditions. Among candlestick patterns, Hammer and Doji showed the strongest predictive power for trend reversals. Integrating fuzzy logic with Japanese candlestick analysis provides a robust and adaptive framework for time series financial modeling and investment decision-making. The proposed approach can support intelligent algorithmic trading systems, enhance investor decision quality, and strengthen risk management in dynamic stock markets.</p> <p>این پژوهش با هدف طراحی و اعتبارسنجی یک مدل سرمایه‌گذاری نوین انجام شد که با ترکیب الگوهای کندل‌استیک ژاپنی و منطق فازی، توانایی پیش‌بینی دقیق‌تر روند بازار سهام و مدیریت عدم قطعیت داده‌های مالی را بهبود می‌بخشد. مطالعه حاضر از نوع کاربردی و توسعه‌ای است و داده‌های تاریخی بازار سهام شامل قیمت‌های باز، بسته، بیشینه و کمینه در بازه‌های زمانی متوالی گردآوری شد. داده‌ها ابتدا به کندل‌های ژاپنی تبدیل و ویژگی‌هایی مانند شاخص قدرت نسبی (RSI)، واگرایی و رد شدن از تاب‌خوردگی استخراج گردید. سپس با تعریف مجموعه‌ها و توابع عضویت فازی، قوانین if–then تدوین شد. خوشه‌بندی پنج‌روزه برای طبقه‌بندی داده‌های سری زمانی استفاده و مکانیزم بازیابی اطلاعات فازی با شاخص TF–IDF به منظور رتبه‌بندی الگوهای شمعی و تطبیق روندهای آتی به کار رفت. مدل نهایی در محیط پایتون پیاده‌سازی و نتایج آن با روش‌های سنتی مقایسه شد. نتایج نشان داد مدل پیشنهادی در پیش‌بینی روندهای آتی بازار سهام نسبت به روش‌های سنتی دقت بالاتری دارد و شاخص‌های عملکرد مانند بازده تعدیل‌شده بر اساس ریسک و بازگشت سرمایه (ROI) بهبود یافت. استفاده از عملگر تجمیع جدید و قوانین فازی باعث مدیریت بهتر داده‌های نویزی و متنوع شد و پایداری پیش‌بینی‌ها در شرایط نوسانی بازار افزایش یافت. همچنین مشخص شد الگوهای Hammer و Doji بیشترین قدرت پیش‌بینی تغییر روند را دارند. ترکیب منطق فازی با الگوهای کندل‌استیک ژاپنی چارچوبی جامع و انعطاف‌پذیر برای تحلیل داده‌های سری زمانی مالی و تصمیم‌گیری سرمایه‌گذاری فراهم می‌کند. این رویکرد می‌تواند در توسعه سامانه‌های هوشمند معاملات الگوریتمی، بهبود تصمیمات سرمایه‌گذاران و مدیریت ریسک بازارهای پویا کاربرد عملی داشته باشد.</p> https://jafci.com/index.php/jafci/article/download/189/236