بهکارگیری سیستم های غیرخطی پویا در تحلیل سریهای زمانی اقتصادی، مدتهاست که مورد توجه اقتصاددانان قرار گرفته است. سیستم های غیرخطی پویا، رفتارهای مختلفی را از خود بروز می دهند، که می توانند در توجیه بسیاری از پدیده های اقتصادی که به نظر تصادفی می آیند، به کار گرفته شوند. در این پایان نامه ابتدا با استفاده از داده های سری زمانی برای چهار متغیر کلان اقتصادی رشد اقتصادی، تورم، حجم نقدینگی و نرخ ارز به بررسی وضعیت آشوبناکی این متغیرها با استفاده از آزمون های آشوبی شامل bds ، بزرگترین نمای لیاپونوف، نمای هرست و بازسازی فضای فاز پرداخته است. نتایج حاکی از آن است که هر چهار متغیر مذکور دارای فرایند غیرخطی بوده با ذکر این مسئله که دو متغیر رشد اقتصادی و نرخ ارز علاوه بر تبعیت کردن از فرایند غیرخطی دارای فرایند آشوبی نیز می باشند. بنابراین برای پیش بینی روند حاکم بر این متغیرها از روش های خطی نمی توان استفاده کرد. به همین دلیل در قسمت دوم پایان نامه به پیش بینی وضعیت آتی متغیرهای نرخ ارز و رشد اقتصادی با استفاده از شبکه عصبیmlp پرداخته شده است. نتایج حاصل از آزمون شبکه عصبی نشان می دهد که مقادیر آتی متغیرهای اقتصادی مطالعه شده در بازه زمانی کوتاه مدت بر اساس آموزش شبکه عصبی با استفاده از مقادیر پیشین قابل پیش بینی است.