هدف از این پایان نامه ارایه مدلی به منظور پیش بینی قیمت محصولات شرکت فولاد مبارکه در بورس کالای ایران است. امروزه با افزایش پیچیدگی بازارهای مالی، شرکت کنندگان این بازارها نیازمند ابزارهایی به منظور پیش بینی روند آتی قیمت ها و تحلیل وضعیت بازار هستند تا از نتایج آن به عنوان معیاری برای برنامه ریزی و تصمیم گیری استفاده کنند. با بررسی ادبیات موضوع و با توجّه به ویژگی های سری زمانی قیمت محصولات این شرکت، از روش های علّی برای پیش بینی استفاده گردید. ابتدا با توجّه به نظرات کارشناسان مجتمع فولاد مبارکه عوامل موثر بر قیمت شناسایی گردید. در گام بعد با استفاده از شبکه های عصبی خودسازمانده، رابطه ی بین این عوامل با قیمت مورد تجزیه و تحلیل قرار گرفت و موثرترین عوامل بر قیمت محصولات به عنوان ورودی های مدل پیش بینی انتخاب گردید. بررسی ادبیات موضوع و روش های استفاده شده در حوزه ی پیش بینی نشان می دهد که شبکه های عصبی مصنوعی ابزاری کارآمد در بین روش های موجود است. در این راستا از شبکه های عصبی مصنوعی برای پیش بینی قیمت محصولات استفاده گردید. با توجّه به اصول طراحی شبکه های عصبی، برای هریک از محصولات مدل جداگانه ای طراحی و اجرا شد. در بین انواع مختلف شبکه های عصبی، از شبکه های عصبی چندلایه پرسپترون استفاده گردید. آموزش شبکه ها با استفاده از الگوریتم لونبرگ-مارکوارت صورت گرفت. مدل پیش بینی ارایه شده، برای هریک از محصولات به طور متوسط خطایی کم تر از سه درصد ارایه می کند. مقایسه مدل ارایه شده با مدل خطی و شبکه ی عصبی رگرسیون عمومی نشان دهنده ی برتری مدل ارایه شده است.