یکی از اصلی ترین دغدغه های فعالان بازار بورس، پیش بینی قیمت سهام می باشد. برای فعالان بازار بورس مخصوصاً آنها که بیشتر از خرید و فروش سهام دنبال سود می گردند، خرید و فروشی موفق است که در نزدیکی نقاط برگشت روند قیمت ها رخ دهد. تحلیل تکنیکال که معمولاً با قواعد و شاخص های متعدد و فراوانی نمود پیدا می کند با هدف پیدا کردن نقاط کف و سقف روند به طور گسترده ای در بازار سهام استفاده می شود، اما متأسفانه استفاده مستقیم از تحلیل تکنیکال بیش از آنکه علم باشد، هنر است و بسیار متکی به تجربه سرمایه گذار می باشد. تحقیق حاضر با بهره جستن از 62 داده تحلیل تکنیکال رایج و استفاده از شبکه عصبی مصنوعی که به عنوان یکی از بهترین روش های پیش بینی شناخته شده است، به پیش بینی کوتاه مدت قیمت سهام می پردازد. اما با توجه به حجم وسیع داده ها و همبستگی که بین آن ها وجود دارد این پیش بینی کاری دشوار و بعضاً با دقت بسیار پایین همراه است. از این رو جهت آماده سازی داده ها برای شبکه عصبی، پردازشی روی داده ها صورت گرفته است. به منظور پردازش داده ها از تکنیک های تحلیل رگرسیون قدم به قدم، تحلیل مولفه های اصلی، تحلیل مولفه های مستقل و ترکیب آن ها استفاده شده است. جهت آزمودن مدل های پیش بینی ارائه شده، داده های سه شرکت فعال در بورس اوراق بهادار تهران از تاریخ 6/1/90 الی 31/3/92 جمع آوری گردید. نتایج حاصل از این تحقیق نشان داد که استفاده از روش ترکیبی تحلیل رگرسیون قدم به قدم، تحلیل مولفه های مستقل و شبکه عصبی توانایی پیش بینی قیمت سهام را با دقتی حدود 99% دارد.