پیش بینی نرخ ارز از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب نموده است . روشهای تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند، اما در مواردی که پویایی سیستم ویژگی غیرخطی بالایی را نشان می دهد عملکرد این مدلهای سنتی عمدتا ضعیف می باشد، از سوی دیگر شبکه های عصبی و تبدیل موجک توانایی بالقوه خوبی را برای پیش بینی سریهای زمانی از خود نشان داده اند و از همین روی در این پژوهش در پی آنیم که در روش پیش بینی مورد نظر شامل شبکه عصبی هموار سازی شده با استفاده از تبدیل موجک، قدرت شبکه های عصبی، تبدیل موجک و مدل غیرخطی arima را با یکدیگر سنجش نموده و نتایج حاصل از این روش را با یکدیگر مورد مقایسه قرار دهیم.نرخ ارز با استفاده از داده های ماهانه جمع آوری شده در طی سالهای 1389-1372 با استفاده از نرم افزار و eviews,matlab برآورد شده است .نتایج برآورد مدل با استفاده از خروجیهای نرم افزارهای مذکور حاکی از آن است که در روش ترکیبی شبکه عصبی هموار سازی شده با استفاده از تبدیل موجک، کاهش چشمگیری در نتیج جستجو مشاهده می گردد که به طور کلی می توان اینطور نتیج گیری نمود که وجود نویز در داده ها سبب پیش بینی های ناصحیحی از نرخ ارز می گردد و تبدیل موجک می توتند به عنوان یک ابزار مناسب برای کاهش این ناخالصی در داده ها استفاده گردد.