با توجه به توانایی و قابلیت مدلهای ریاضی و آماری در پیش بینی متغیرها، در این تحقیق از سری زمانی arima و رگرسیونی از عوامل تاثیر گذار بر قیمت سهام جهت پیش بینی مقادیر آتی این متغیراستفاه شده است. از طرفی با وجود عوامل زیادو پیچیدگی ارتباطات بین آنها و ابهامها و عدم اطمینان های بازار، از مفهوم ضرایب فازی در مدل استفاده کرده ایم. برای آزمون مدل، از بین تمامی شرکتهای موجود در بورس اطلاعات هفتگی 12 شرکت از صنایع مختلف را بر اساس تعداد روزهای معاملاتی در بازه زمانی 5 ساله انتخاب کرده ایم تا نتایج آن را برای پیش بینی دوره شش ماهه ارزیابی نماییم. به همین منظور رگرسیونی از عوامل تاثیرگذار بر قیمت سهام مانند نرخ برابری دلار آمریکا- قیمت سکه تمام بهار آزادی- قیمت نفت برنت – شاخص کل بازار- نسبت قیمت به سود هر سهم(p/e)- حجم معاملات سهم، همراه با سری زمانی قیمتهای گذشته سهم و مقدار خطاها طراحی می کنیم. برای تخمین ضرایب مدل ساده از نرم افزار eviews و برای تخمین ضرایب مدل فازی یک مسئله برنامه ریزی خطی را در نرم افزار matlab کدنویسی کرده و حل می کنیم. هر دو مدل را برای پیش بینی مقادیر آتی متغیر بکار می بریم. نتایج تحقیق نشان می دهد مدل farimax نسبت به مدل arimax ساده بخصوص در شرایطی که نوسانات قیمت زیاد است، برتری دارد. واژه های کلیدی: پیش بینی قیمت سهام- سری زمانی میانگین متحرک خودرگرسیو انباشته (arima)- رگرسیون فازی- مدل ترکیبی سری زمانی arima و رگرسیون فازی (farimax)