در اقتصاد امروز تاثیر بورس اوراق بهادار در سرمایه‏گذاری، تامین مالی بنگاه‏های اقتصادی و رشد و توسعه کشورها کاملاً مشهود می‏باشد. با توجه به ماهیت بورس اوراق بهادار و ریسک ناشی از سرمایه‏گذاری در آن، سیاستگذاران همواره در جستجوی روش‏هایی برای پیش‏بینی شاخص قیمت سهام برای حداقل نمودن ریسک تصمیم‏گیری بوده‏اند. در این پژوهش ابتدا روش‏های سری‏زمانی و شبکه‏عصبی معرفی شده و سپس در فصل چهارم تحقیق، متغیر هفتگی شاخص قیمت سهام در بورس اوراق بهادار تهران در سال‏های 83 تا 89 از هر دو روش برآورد شده است. پس از برآورد مدل سری‏زمانی آریمابه‏دلیل وجود واریانس ناهمسانی، مدل مناسب،گارچ تشخیص داده شد. همچنین شبکه‏عصبی مورد استفاده، شبکه پیش‏خور چندلایه است که با استفاده از الگوریتم پس‏انتشار آموزش دیده است. به‏منظور بررسی اثر سایر متغیرهای اقتصادی بر شاخص، دو گروه ورودی به شبکه معرفی شده است: در حالت اول، مطابق با مدل سری زمانی، وقفه اول و چهارم شاخص به‏عنوان ورودی شبکه درنظر گرفته شده و در حالت دوم، علاوه بر وقفه‏های شاخص، متغیرهای نرخ ارز و قیمت نفت نیز به‏عنوان ورودی شبکه تعریف شد‏ه‏اند. نتایج پژوهش، بیانگر خطای پیش‏بینی کمتر در هر دو مدل شبکه‏عصبی‏مصنوعی، در مقایسه با مدل‏ سری‏زمانی گارچ می‏باشد. همچنین از بین مدل‏های شبکه عصبی به‏کار رفته در این پژوهش، مدل شبکه عصبی با وقفه‏های شاخص قیمت سهام، نرخ ارز و قیمت نفت، به نتایج بسیار بهتری نسبت به مدل شبکه عصبی با وقفه شاخص قیمت سهام دست یافته است.