هدف از پژوهش حاضر پیش بینی شاخص قیمت کل سهام در بازار بورس تهران ( tepix ) با استفاده از شبکه عصبی و مقایسه آن با مدل رگرسیون خطی است . این شاخص نشاندهند? رکود و رونق بازار است و می تواند کمک زیادی به مسولان دولتی و بانک مرکزی دراجرای سیاستهایشان داشته باشد . برای پیش بینی شاخص قیمت سهام در بازار بورس تهران از متغیر های تأثیرگذار قیمت طلا و قیمت نفت ایران و نرخ ارز (دلار) استفاده شد ، متغیر شاخص قیمت سهام و قیمت طلا بصورت باوقفه در مدل ظاهر می شود .داده ها بصورت هفتگی به تعداد 314 می باشد که از این تعداد حدود 200 داده برای برآورد و 114 داده را برای داده های آزمایش در نظر گرفتیم . طراحی مدل شبکه عصبی بصورت:5 نرون در لایه ورودی ، 6 نرون در لایه پنهان و یک نرون در لایه خروجی انجام شد . با تغییر دادن توابع و تعداد نرون های لایه پنهان سعی شد شبکه ای که دارای کمترین میانگین خطا بود انتخاب شود . این شبکه های عصبی چندلایه پرسپترون را با الگوریتم پس انتشار خطا آموزش دادیم .با استفاده از مدل برآوردی رگرسیونی و شبکه عصبی ، داده های آزمایش مورد بررسی قرار گرفت . معیارهای mae ,rmse, u-thiel نشان از برتری نسبی روش شبکه عصبی دارد اما معیار mse به دلیل افزایش جمله خطا در روش رگرسیون خطی کمتر بود و از نظر اختلاف کم بین داده های واقعی و پیش بینی شده رگرسیون خطی دارای برتری بود .در مورد مدل arima نیز بررسی معیارهای بالا نشان از برتری نسبی شبکه عصبی دارد . درکل، شبکه عصبی در برآوردن شاخص کل قیمت سهام بورس اوراق بهادار تهران (tepix ) کارائی بالایی از خود نشان داد .