توانایی شبکه های عصبی در کشف روابط غیر خطی میان داده های ورودی، از آن ابزار ایده آلی در مدل کردن سیستم های دینامیک غیر خطی ساخته است. در نتیجه انتظار می رود شبکه های عصبی با قابلیت تشخیص الگوهای سیستم های غیرخطی، امکان پیش بینی تغییرات بازار را بیشتر و دقیق تر از تکنیک های متداول دیگر فراهم کنند. تحقیق حاضر به بررسی کاربرد شبکه های عصبی در پیش بینی شاخص کل بورس اوراق بهادار تهران پرداخته است. بدین منظور یک شبکه سه لایه با الگوریتم پس انتشار خطا برای پیش بینی شاخص کل در بازار بورس تهران طراحی وپیاده سازی شده است. همینطور از شبکه های فازی-عصبی نیز برای پیش بینی استفاده شده است و نتایج آن با نتایج شبکه های عصبی مقایسه شده است. داده هایی که مورد استفاده قرار گرفته اند، مقدار شاخص کل، قیمت دلار و قیمت طلا در یک بازه زمانی سه ساله بوده است. نتایج حاصل از پیش بینی نشان می دهد که شاخص کل در یک بازه کوتاه مدت بر اساس قیمت های گذشته، قابل پیش بینی است.