یکی از عواملی که در توسعه و رشد بازار سرمایه نقش موثری دارد آشنایی سرمایه گذاران و معامله گران بازار سرمایه با روش های تجزیه و تحلیل اوراق بهادار و افزایش توان تحلیل گیری آن ها است و شبکه‏های عصبی پرکاربردترین الگوریتم‏های هوش مصنوعی هستند و توانایی منحصر به فردی در حل ارتباطات غیر خطی دارند. این پایان‏نامه مطالعه‏ای برای مقایسه توان پیش‏بینی روند قیمت سهام با استفاده از شبکه‏های عصبی چند لایه پیش خور است. داده‏های تاریخی به کار رفته در این تحقیق از شرکت مخابرات ایران، پذیرفته شده در بورس اوراق بهادار تهران از 5 فروردین 1388 تا 26 اسفند 1388 (25 مارس 2009 تا 17 مارس 2010) بدست آمده‏اند و از قیمت‏های پایانی روز به عنوان ورودی‏های شبکه و همچنین داده‏های آزمون شبکه استفاده می‏شود. شبکه اولیه مورد استفاده در این تحقیق شبکه‏ای پیش‏رونده با الگوریتم پس انتشار خطا است و در رقابت برای بهبود نتایج حاصل از شبکه‏های عصبی، تحقیق حاضر سعی در طراحی شبکه بهینه پیش خور و کم کردن خطای پیش بینی با تغییر در معماری شبکه و استفاده از الگوریتم های آموزش متنوع است . انتظار ما این است که بتوانیم نتایج حاصل را با دست یابی به نقطه حداقل متفاوتی در سطح فضای خطا بهبود بخشیم. ابزار برنامه‏نویسی شبکه‏های عصبی و تجزیه و تحلیل نتایج در این تحقیق، نرم‏افزار matlab است.