در دهه¬های اخیر، افزایش محبوبیت معاملات مبتنی بر شاخص و گستردگی متغیرهای تأثیرگذار بر آن باعث شده است مفاهیم مرتبط با پیش¬بینی نوسانات شاخص قیمت سهام برای پژوهشگران و محققان اهمیت زیادی پیدا کند. هدف اصلی تحقیق، اولاً بررسی این موضوع می¬باشد که اطلاعات حسابداری تا چه میزان در توضیح نوسان شاخص¬های موجود در بورس اوراق بهادار نقش دارند. دوماً استفاده از الگوی هوشمند ماشین بردار پشتیبان در مقایسه با شبکه عصبی مصنوعی و رگرسیون لجستیک داده¬های ترکیبی تا چه میزان می تواند دقت این پیش¬بینی¬ها را افزایش دهد. جامعه آماری برای انجام تحقیق، شرکت¬های پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی سال¬های 1382 تا 1391 می¬باشد. نمونه آماری شامل 91 شرکت در قالب 9 صنعت است، که از لحاظ نقدشوندگی بالاترین رتبه را در بین صنایع موجود در بورس اوراق بهادار تهران داشته¬اند. نتایج حاصل از بکارگیری ماشین بردار پشتیبان و شبکه عصبی مصنوعی با در نظرگرفتن 11 متغیر مالی منتخب شرکتی و وارد کردن 80% حجم نمونه در فاز آموزش، توانست مدل¬هایی را ایجاد نماید که تا میزان تقریبی 60% نوسانات شاخص را به درستی پیش¬بینی نماید. اما آماره آزمون من-ویتنی یو مقایسه نتایج واقعی با نتایج بدست آمده در فاز آزمایش که در برگیرنده 20% حجم نمونه بود، بیانگر وجود اختلاف معنی دار بین نتایج واقعی و نتایج بدست آمده است. این تفاوت نشان می¬دهد که مدل¬های بدست آمده از اعتبار و اتکای لازم برخوردار نیستند. در بررسی نتایج بدست آمده رگرسیون لجستیک، معنی¬دار بودن احتمال آماره lr با توزیع خی¬دو نشان می¬دهد که ترکیب انتخاب شده از متغیرهای مالی در پیش¬بینی نوسان شاخص قیمت صنایع مدل مناسبی است، اما ضریب تعیین معادله رگرسیونی نشان داد که این متغیرها در مجموع تنها قابلیت توضیح دهندگی 4% نوسان شاخص قیمت را دارا می¬باشند. در مجموع با اتکا به نتایج این تحقیق، نمی¬توان به طور قطع تصمیم¬گیری و نتیجه گرفت که کدام دسته از روش های هوشمند یا کلاسیک عملکرد بهتری را در پیش¬بینی نوسان شاخص¬های بازار دارند و سهم متغیرهای مالی منتخب شرکتی نیز در این پیش¬بینی بسیار ناچیز است.