پیش بینی در بازار بورس یکی از مهم ترین مباحث مطرح در اقتصاد و تجارت است. پیش-بینی و ارائه رویکردی برای معامله در زمان مناسب، در میزان دستیابی به بازده مالی اهمیتی بسزا دارد و داده های پر نوسان، نا ایستا و نامنظم بازار سهام حوزه ای پرچالش برای پژوهشگران محسوب می شود. هدف این پژوهش ارائه ی روشی برای کمک به تصمیم گیری در معاملات بازار بورس ارائه است و با به کار گیری ابزار های محاسبات نرم و تحلیل تکنیکی، سه مدل پیشنهاد شده است. سیستم پیشنهادی اول به پیش بینی قیمت سهام روز بعد سهام با استفاده از شبکه عصبی پرداخته و از آن برای ارائه راهکار معاملاتی بهره می برد. سیستم پیشنهادی دوم، سیستم استخراج خودکار قوانین معاملاتی است و سیستم سوم پیشنهاد دهنده سیگنال معاملاتی با ارائه میزان قطعیت است که مبتنی بر تشخیص الگو با استفاده از شبکه های عصبی و تحلیل تکنیکی است. کارآیی سه سیستم پیشنهاد شده با راهبرد خرید و نگهداری و برنامه ریزی ژنتیک مقایسه شده است. مقایسه بازده میانگین سیستم ها نشان داد که هر سه روش پیشنهادی در این پژوهش، از راهبرد خرید و نگهداری و همچنین روش برنامه ریزی ژنتیک برتر عمل نموده اند. بازده راهبرد خرید و نگهداری با میزان بازده 1.93-% کمترین بازده را در بین مدل های سرمایه-گذاری مورد بحث کسب نمود. مدل برنامه ریزی ژنتیک بازده 4.08% را کسب نمود و بعد از راهبرد خرید ونگهداری، کمترین بازده را حاصل نمود. سیستم های پیشنهادی اول، دوم و سوم به ترتیب دارای بازده های میانگین 7.68%، 15.61% و 32.11% بودند. سیستم پیشنهادی سوم بهترین بازده را در بین سیستم های معرفی شده داشت و در رتبه های بعدی بازده میانگین، به ترتیب سیستم پیشنهادی دوم و اول قرار دارند.