در این پایان نامه با استفاده از داده های مربوط به بورس اوراق بهادار تهران، ارزش، طلا، نفت و دو ارز معتبر، روشهای هوش مصنوعی (بطور مشخص شبکه های عصبی استاتیک و دینامیک)، دسته ای از مدلهای آماری و تحلیل مولفه های بنیادی تغییرات روزانه شاخص بورس اوراق بهادار تهران بررسی می شود. نتایج بدست آمده نشان می دهند که با استفاده از این مدل ها حداکثر میزان پیش بینی درست جهت تغییرات روزانه شاخص بورس 67/3% است که خود مبین قابلیت پیش بینی پایین شاخص می باشد این روشهای پیش بینی، پایین بودن قابلیت پیش بینی شاخص بورس را که پارامتر hurst با مقدار 0.7029 به آن اشاره دارد تایید می کنند. در بخشی دیگر از این پایان نامه روشهای استفاده شده برای پیش بینی تغییرات شاخص بورس اوراق بهادار به همراه دسته ای از استراتژی های معامله به منظور پیش بینی ارزش روزانه سهام شرکت ایران خودرو و کسب سود بیشتر مورد استفاده قرار گرفته اند. با توجه به آنکه پارامتر hurst برای سری زمانی ارزش سهام ایران خودرو برابر 0/8411 محاسبه شده است. 82/11 درصد پیش بینی درست جهت تغییرات ارزش سهام ایران خودرو و کسب سود سالانه 30/16 درصد کارایی بالایی مدل و استراتژی های معامله معرفی شده را نشان می دهد.