مهمترین فاکتور موفقیت در معاملات فارکس توانایی پیش بینی صحیح نوسانات آینده بازار است. بعلت وجود عوامل تاثیرگذار مختلف بر نوسانات نرخ ارز، اخذ تصمیمات صحیح در خصوص خرید و فروش بسیار مشکل است و نیاز به دانش و تجربه فراوان دارد. پیش¬بینی قیمت در بازارهای مالی، موضوعی جذاب برای پژوهشگران بوده است. هدف از این پژوهش، ارائه یک سیستم توصیه گر معاملاتی براساس یک مدل ترکیبی هوش مصنوعی است. این مدل از سه بخش اصلی تشکیل شده است. در بخش اول از anfis برای پیش بینی نرخ برابری ارز استفاده شده است. همچنین الگوریتم بهینه سازی ازدحام ذرات با رفتار کوانتومی (quantum-behaved particle swarm optimization) برای بهینه سازی توابع عضویت anfis بکار گرفته شده است. ضرایب موجک(wavelet coefficients) سری زمانی بعنوان پارامترهای ورودی anfis استفاده شده¬اند. در بخش دوم روش ترکیبی خم کردن پویای زمان(dynamic time warping) و تبدیل موجک برای استخراج خودکار الگوها در نمودارهای مالی ارائه شده است. بخش سوم در نهایت براساس مقادیر پیش بینی و الگوهای شناسایی شده، سیگنال های معاملاتی مانند "خرید" و "فروش" تولید می کند. مدل ارائه شده می تواند با کاهش میزان ریسک سرمایه گذاری، باعث افزایش سود معامله¬گران شود.