مطالعات پیشین درخصوص افزایش دقت پیش بینی بین روند متغیرهای کلان اقتصادی، به طور معمول بر پایه الگو های سری-زمانی یا الگو های اقتصادسنجی، استوار بوده اند. با وجود این، این الگو ها با محدودیت خطی بودن مواجه هستند و با غیرخطی بودن طبیعت دنیای واقعی سازگار نیستند. الگوی خودرگرسیونی میانگین متحرک انباشته یکی از پرکاربردترین الگو های خطی در سه دهه گذشته بوده است. در مطالعات اخیر سعی شده است تا پیش بینی ها با استفاده از الگو های شبکه عصبی که با مسائل غیر خطی و پیچیده سروکار دارند، انجام شود. در مقایسه الگوهای arima وann اغلب نتایج مختلفی از نظر برتری یکی بر دیگری در عملکرد پیش بینی حاصل می شود. در این تحقیق الگوی پیوندی پیشنهاد می شود که دو الگوی arima و ann را ترکیب می کند تا از قدرت الگوهایarima وann در الگو سازی خطی و غیر خطی برای پیش-بینی نرخ ارز در ایران (به صورت ماهانه) و مقایسه آن با هر یک از الگوهای arima، ann به طور جداگانه استفاده کند.