سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و پیش بینی در این بازار همواره با چالش، تردید و خطا مواجه بوده است و روش های مورد استفاده دارای نقاط ضعفی هستند که کاربرد آنها را با محدودیت مواجه می سازد. سیستم های هوشمند یکی از فناوری های نوین این عصر است که با استفاده از آنها می توان سعی در طراحی مدل هایی برای پیش بینی در بازارهای سرمایه (برای مثال پیش بینی قیمت سهام) نمود. هدف از این پایان نامه، امکان پذیر بودن پیش بینی نوسانات قیمت سهام با استفاده از الگوریتم دسته بندی داده های عددی (gmdh) است. به منظور مدلسازی ، داده های تجربی به دو دسته (75% برای آموزش و 25% برای آزمایش) تقسیم شدند تا عملکرد مدل مورد ارزیابی قرار گیرد. پس از اجــرای برنــامه و پیش بینــی قیمــت سهــام نتایـج پیش بینی 99/0 r2 =، 41/93 rmse=، 91/74 mad= و 05/0 mape= برای پیش بینی در بازار بورس اوراق بهادار را نشان می دهد. بنابراین به طور کلی شبکه عصبی نوع gmdh توانایی قابل ملاحظه ای در پیش بینی قیمت سهام با دقت بالا را دارد.