جهانی شدن اقتصاد و رقابت های موجود در این زمینه برای جذب سرمایه گذاران و تشخیص دادن بازارهای سودده و قابل اعتماد مانند بازارهای بورس و ارز که از پیچیدگی های زیادی برخوردار است، چالش های علمی قابل توجهی را ایجاد کرده است. در واقع مهمترین نگرانی سرمایه گذاران کسب سود بیشتر با روشهای مطمئن است. بنابراین پیش بینی نرخ بازده سهام شرکت های موجود در این بازارهای سرمایه از اهمیت بسیار بالایی برخوردار خواهد بود. برای پیش بینی در بازارهای سرمایه مانند بورس یا ارز روش های مختلفی مانند رگرسیون، سری های زمانی، الگوریتم ژنتیک و تحلیل های بنیادی وجود دارد. ازجمله روش های غیرخطی دقیق که می توان در زمینه ی پیش بینی های گوناگون آن را به کاربست شبکه های عصبی مصنوعی است. شبکه های عصبی مصنوعی یکی از جدیدترین دستاوردهای بشر به حساب می آید و امروزه استفاده های مختلفی در زمینه های علمی گوناگون دارد. تکنولوژی ها و الگوریتم های کامپیوتری جدید و پیشرفته برای پیش بینی، موجب شده تا سود بیشتر و فرصت های تجاری بهتری برای سرمایه گذاران فراهم شود. شبکه های عصبی جزء سیستم های دینامیکی هستند که با پردازش داده های سری زمانی، دانش یا قانون های موجود در این داده ها را استخراج کرده و با ساختار شبکه منطبق می نماید. این سیستم مبتنی بر هوش محاسباتی است که از توانایی های پردازش ویژگی های مغز انسان تقلید می کند. هدف از این پروژه طراحی شبکه ی عصبی مصنوعی مناسب، برای پیش بینی قیمت سهام شرکت فورد موتور ایالات متحده آمریکا است. در این بررسی، ضمن طراحی شبکه ی عصبی مصنوعی از نوع پیشخورmlp و پسخور narx و سیستم استنتاج عصبی فازی تطبیقی (anfis)، عملکرد این سه شبکه در زمینه ی پیش بینی مقایسه شده است. بررسی های انجام شده نشان می دهد شبکه ی عصبی مصنوعی پسخور narx با mse برابر 002/0 و rmse برابر با 04/0 و hit rate برابر با 71.00 درصد در مقایسه با کارهای قبلی صورت گرفته حاکی از آن است که شبکه ی عصبی مصنوعی طراحی شده با دقت 2.67 درصد بیشتر نسبت به کارهای مشابه قادر به پیش بینی قیمت سهام است.