نسبتاً دقیقتر جهت پیشبینی بازار بورس احتیاج به تکنیکهای دقیق و قابل اعتماد میباشد. بازده غیرعادی به عنوان شاخصی درباره محتوای اطلاعات اعلان سود استفاده میشود یعنی چقدر و چه نوع اطلاعات برای بازار سرمایه انتشار یافته است و نقش تأثیرگذاری بر بدست آوردن سود و یا متضرر شدن سرمایهگذاران دارد. همچنین در طول سالهای اخیر مدلهای سری زمانی غیرخطی یکی از ابزارهای جدید در توصیف و پیشبینی بودهاند. این تحقیق با استفاده از مدلهای خاکستری به دنبال پیشبینی بازده غیرعادی سهام میباشد. اطلاعات بازده غیرعادی سهام صد شرکت از ده صنعت فعال بازار بورس تهران، مربوط به دورهی ده ساله 1382-1391 جمع آوری شد و به عنوان پایگاه اطلاعاتی در فایل اکسل قرار گرفت. با استفاده از روش داده های پانل بر مبنای تکنیک های شبکههای مصنوعی می‏باشد که با بهره گیری از نرم افزارهای 2013 matlab، 20 spss، 7 eviews به آزمون فرضیه پرداختیم. با بررسی سه مدل ذکر شده از قبیل مدل خاکستری، مدل غیرخطی خاکستری برنولی و مدل نش غیرخطی خاکستری برنولی نتایج بدست آمده نشان میدهد که مدل نش غیرخطی خاکستری برنولی توان پیشبینی بازده غیرعادی سهام را با شرایط تعریف شده نسبت دو مدل خاکستری دیگر افزایش میدهد و در ادامه بعد از بررسی مدلهای رگرسیونی تعریف شده دریافتیم مدل رگرسیونی غیرخطیخاکستری برنولی از دقت بالاتر و خطای کمتری نسبت به دو مدل دیگر برخوردار است.