فلزات گران بها از اولین و مهم ترین عناصر شناخته شده بوسیله انسان می باشد. علت این امر علاوه بر کاربردهای بسیار زیاد این مواد در بخش های مختلف زندگی انسان، به عنوان یک منبع بزرگ برای سرمایه گذاری می باشد. سرمایه گذاران در پی روش هایی هستند که بتوانند قیمت های آینده فلز مورد نظر را پیش بینی نموده تا با تنظیم زمان خرید و فروش بیشترین سود را کسب نمایند. روش های گوناگونی برای پیش بینی قیمت تا به حال ارائه شده است که می توان به سه بخش: 1) روش های سری زمانی کلاسیک، 2) روش های هوش مصنوعی و 3) روش های ترکیبی تقسیم بندی نمود. در این تحقیق سعی شده یک مدل پیش بینی به منظور مدل سازی قیمت چهار فلز گران بها طلا، نقره، پلاتین و پالادیوم برای دوره زمانی آوریل 1990 تا دسامبر 2009 با استفاده از داده های ماهیانه ارائه شود. بدین منظور از هر یک از بخش های بیان شده یک مدل به عنوان نماینده برای پیش بینی قیمت مورد استفاده قرار گرفت. در نهایت نیز مدل های بدست آمده با یکدیگر مقایسه شده تا مدل بهینه انتخاب گردد، در اینجا از دو ابزار ضریب تعیین (r2) و جذر مربع میانگین خطاها (rmse) به عنوان ابزار مقایسه استفاده شده است. نتایج این تحقیق نشان از این داشت که مدل نروفازی برای هر چهار فلز نتایج بهتری را نسبت به شبکه های عصبی و روش آریما ارائه می نمایند به طوری که r2 و rmse مربوط به داده های تست به ترتیب برابر با 904/0 و 155/0 برای طلا، 926/0 و 26/0 برای نقره، 922/0 و 192/0 برای پلاتین و در نهایت 899/0 و 171/0 برای پالادیوم می باشد. بعد از روش نروفازی، شبکه های عصبی در رتبه دوم دقت پیش بینی قرار گرفتند.