شبکه های عصبی، یکی از ابزارهای هوش مصنوعی است که در مدل سازی مفاهیم پیچیده کارایی مناسبی دارد. البته هرچه شبکه ی عصبی ساخته شده توسط توابع کارامدتر، بهتر آموزش ببیند، پاسخ های خروجی به مقادیر دنیای واقعی نزدیک تر است. سود حاصل از سرمایه گذاری صحیح در بازار بورس، برای هر فعال اقتصادی وسوسه انگیز است. اما وجود ریسک های غیر قابل انکار و بحران های مالی موجود در سرتاسر دنیا، سبب کاهش اطمینان سرمایه گذاران و متعاقب آن کم شدن سود دهی سهام بازار بورس و حرکت نزولی شاخص ها، به ویژه شاخص کل می شود. به همین علت، برای انجام پیش بینی مقدار شاخص های اصلی بازار بورس، به عنوان مهم ترین نماد نشان دهنده ی سیر صعودی یا نزولی اقتصاد بزرگ ترین بازار مالی کشور، از ابزارهای گوناگونی استفاده شده است. در این پژوهش سعی شده تا با ترکیب قسمت هایی از علوم مالی و هوش مصنوعی، سیستم های پیش بینی ساخته شود، که تا حد ممکن پاسخ هایی نزدیک به مقادیر دنیای واقعی داشته باشد. در این تحقیق با طراحی، ساخت و تست بیش از ??? شبکه ی عصبی مصنوعی و پیاده سازی آن ها در بستر نرم افزار matlab، توانستیم قیمت های آینده ی شاخص های اصلی بازار بورس تهران را با سطح خطای کمتر از ?% پیش بینی کنیم. در همین راستا و به منظور گرفتن پاسخ های کم خطا و نزدیک تر به مقادیر واقعی، از شبکه های عصبی مصنوعی ارائه شده، برای ساخت آن ها از یک روش هیبریدی، با ترکیب چندین شبکه عصبی با معماری پیش خور و پس خور، به همراه افراز داده های دو و نیم سال اخیر تمام شاخص های موجود در بازار بورس به علاوه ی توابع یادگیری مختلف موجود برای آموزش شبکه های عصبی، استفاده شده است.