این تحقیق قصد دارد تا میزان توانایی تبدیل موجک هار (haar) را در پیشبینی دادههای سریزمانی مالی مورد ارزیابی قرار دهد. بههمین منظور دادههای بورس نزدک را از سایت یاهو فاینانس انتخاب کرده و سریزمانی بازدهی این دادهها را ابتدا توسط مدل garch پیشبینی، و نتایج را ثبت کرده ایم و سپس همان سری دادهها را با استفاده از تبدیل موجک هار (haar) تبدیل و با استفاده از مدل arima این دادههای تبدیل یافته را نیز، پیشبینی کرده ایم. سپس نتایج بدست آمده از این دو روش را با هم مقایسه کرده، و روشی را که نتایج بهتری ارائه میدهد، مشخص کرده ایم. به این صورت که برای هر روش، میانگین مربعات خطا (mse) یا مجذور میانگین مربعات خطا (rmse) و همچنین میانگین خطای مطلق (mae) را با هم مقایسه و روش مطلوبتر را شناسایی کرده ایم. کلمات کلیدی: سریزمانی مالی (financial time series) ، پیشبینی (forecasting) ، مدل arima ، تبدیل موجک هار (haar wavelet)