انصاری، محمد (1387) کاربرد الگوریتم ژنتیک در ترکیب پیش بینی های تورم؛ مجله تحقیقات اقتصادی، شماره 85.
بافنده ایمان دوست، صادق، فهیمی فرد، سید محمد و شیرزادی، سمیه (1388) پیش بینی نرخ ارز با مدلهای عصبی – فازی ANFIS، خودرگرسیونی NNARX و خود رگرسیونی ARIMA در اقتصاد ایران (1381-1387)؛ مجله دانش و توسعه، شماره 28: 192-177.
بهراد مهر، نفیسه (1387) پیش بینی قیمت نفت خام با استفاده از هموارسازی موجک و شبکه عصبی مصنوعی؛ فصلنامه مطالعات اقتصاد انرژی، سال پنجم، شماره 18: 98-81.
پورکاظمی، محمد حسین و اسدی، محمد باقر (1388) پیش بینی پویای نفت خام با استفاده از شبکه های عصبی مصنوعی و با به کارگیری ذخیره سازی های کشورهای OECD؛ مجله تحقیقات اقتصادی، شماره 88: 46-25.
حیدری، حسن و پروین، سهیلا (1387) مدل سازی و پیش بینی تورم در ایران با استفاده از مدل های زمان – متغیر BVAR؛ فصلنامه پژوهشهای اقتصادی ایران، شماره 36: 59-84.
خالوزاده، حمید و خاکی صدیق، علی، (1388) مدل سازی و پیش بینی قیمت سهام بر اساس معادلات دیفرانسیل تصادفی؛ مجله تحقیقات اقتصادی دانشگاه تهران، شماره 69، تابستان 84: 26-1.
خالوزاده، حمید و خاکی صدیق، علی، (1382) ارزیابی روشهای پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران؛ مجله مدرس، دوره 7، شماره 3: 87-61.
درگاهی، حسن و انصاری، رضا، (1386) بهبود مدل سازی شبکه های عصبی در پیش بینی نرخ ارز با به کارگیری شاخص های تلاطم؛ مجله تحقیقات اقتصادی دانشگاه تهران، شماره 85: 144-117.
سلامی، امیر بهداد (1381) آزمون روند آشوبی در بازدهی سهام بازار بورس اوراق بهادار تهران؛ پژوهشنامه اقتصادی، شماره 5: 73-35.
مشیری، سعید (1380) پیش بینی تورم ایران با استفاده از مدلهای ساختاری، سری زمانی و شبکه های عصبی؛ مجله تحقیقات اقتصادی، شماره 58: 184-147.
مشیری، سعید (1381) مروری بر نظریه آشوب و کاربردهای آن در اقتصاد؛ فصلنامه پژوهشها ی اقتصادی ایران، شماره 12: 71-31.
مشیری، سعید و فروتن، فائزه (1383) آزمون آشوب و پیش بینی قیمت های آتی نفت خام؛ فصلنامه پژوهشهای اقتصادی ایران، شماره 21: 90-67.
مشیری، سعید و مروت، حبیب (1384) بررسی وجود فرایند آشوبی درشاخص بازدهی کل قیمت سهام بازار تهران؛ فصلنامه پژوهشهای اقتصادی ایران، شماره 25: 64-47.
مشیری، سعید و مروت، حبیب (1385) پیش بینی شاخص کل بازدهی سهام تهران با استفاده از مدلهای خطی و غیر خطی؛ فصلنامه پژوهشنامه بازرگانی، شماره 41: 276-246
Allen, E. (2007) Modeling with Ito stochastic differential equations; University of Texas, USA, published by springer, p.o. Box 17 , 3300 AA.
Basel,M. , AL.Eidehc, Ahmad S. A. AL.refal and Wafaa ,M. Sbeiti (2004) Modelling the CPI using a lognormal diffusion process and implications on forecasting inflation; Journal of Management Mathematics 15: 39–51.
Brock, W. and Potter, Simon (1993) Nonlinear Time Series and Macroeconomics; Handbook of Statistics, Elsevier Science Publishers B. V., Vol. 11.
Brock, W. A., Dechert W.D. & Sheinkman J.A. (1987) A Test of Independence Based on the Correlation Dimension; Econometric Reviews: 197-235.
Black, F. & Scholes, M. (1973 ) The Pricing of Options and Corporate Liabilities; Political Economy, Vol. 81: 637-659.
Constantine, D. Percival, D., (2010) R Package ‘fractal’: Insightful Fractal Time Series Modeling and Analysis; available at:http: CRAN R-project.org.
Cuaresma, J.C (1998) Determinism chaos versus stochastic processes; economics series No. 60.
Demuth, H., Beale, M. (2002) Neural Network Toolbox for use with MATLAB; User’s Guide Version 4, copyright by The MathWorks, Inc.
Fabio, A. , Narzo, D. (2010) R Package ‘tseriesChaos’: Routines for the analysis of nonlinear time series; available at:http: CRAN R-project.org.
Grassberger, P. and I. Procaccia (1983) Measuring the Strangeness of Strange Attractors; Physica. 9D: 30-31.
Kantz, H., and Schreiber, T. (2004) Nonlinear Time Series Analysis; Cambridge University Press.
Kantz, H., Hegger, R. & Schreiber, T. (1999) Practical implementation of nonlinear time series methods: The TISEAN package; CHAOS 9: 413-435.
Koop, G., Korobilis, D. (2009) "Forecasting Inflation Using Dynamic Model; Averaging Scientific work contributed by the RCEA Scholars is published in the RCEA Working Papers series.
Malliaris., A.G & Brock.W.A (1991) stochastic method in economics and finance; University of Chicago, published by Elsevier science publication B.V.
Merton, R.C (1976) Option Pricing When Underlying Stock Returns are Discontinuous; Journal of Financial Economics, Vol. 3: 125-144.
Merton, R.C (1973) Theory of Rational Option Pricing; Bell J. Econ. Mgmt. Sci, Vol. 4: 141-183.
Merton, R.C (1973) An Intertemporal Capital Asset Pricing Model; Econometrica, Vol. 41, No. 5: 867-887.
Moshiri, S. & Kameron, N. (2000) Neural Network Versus Econometrics Models in Forecasting Inflation " , Journal of forecasting, 19: 201-217.
Nakamura, E. (2005) Inflation forecasting using a neural network; Economics Letters 86: 373–378.
Osborne,. M. F. M. 1964 Brownian motion in the stock market; , In: Cootner, P. (Ed.), The Random Character of Stock Market Price, MIT Press.
Pluciennik, p. (2010) Forecasting Financial Processes by Using Diffusion Models; Journal of Dynamic Economics Models: 51-60.
Rosenstein, M. T. , Collins J. J., De Luca, C. J. (1993) A practical method for calculating largest Lyapunov exponents from small data sets; Physica D 65, 117.
Samuelson, P (1965) Rational theory of warrant pricing; Industrial Management Review 6: 13–32.
Tsay, R. S. (2002) Analysis of Financial Time Series; University of Chicago, the wiley-interscience publication.
Teraesvirta, T., Lin C. F., Granger, C.W. J. (1993) Power of the Neural Network Linearity Test; Journal of Time Series Analysis 14: 209–220.
Vandrovych,V. (2007) Nonlinearities in Exchange-Rate Dynamics: Chaos?; Social Science Research Network, No. 945797.
Wei, A. , Leuthold , R. M ., 1998 , "Long Agricultural Future Prices: ARCH, Long Memory, or Chaos Processes? " , OFOR Paper Number 98-03.
White H.,Lee T.H., , Granger C.W.J. , 1993 , " Testing for neglected nonlinearity in time series models" , Journal of Econometrics 56, pp: 269–290.
Wolf, A., Swith, j., Swinney, H. & Vastando, J. (1985) Determining lyapunov exponent from a time series; Physica, 16 D: 285-317.
Wuertz, D. (2009) R Package ‘fNonlinear’: Nonlinear and Chaotic Time Series Modelling; available at:http: CRAN R-project.org.
