بازار سهام یکی از جذاب ترین و چالش برانگیزترین بازارها برای سرمایه گذاران مالی در سراسر جهان است. نااطمینانی های موجود در این بازار یکی از مهمترین موانع برای ورود اکثر سرمایه گذاران است. در ادبیات بازارهای مالی تلاش های گسترده ای برای پیش بینی قیمت سهام صورت گرفته است. در این پژوهش با استفاده از سه روش اصلی اتورگسیو میانگین متحرک (ARMA) شبکه های عصبی مصنوعی (ANN)و شبکه های بازگشتی از نوع حافظه طولانی-کوتاه مدت به پیش بینی دو گروه کانه های فلزی و گروه خودرو پرداخته شد. در این پژوهش داده های 7 شرکت از گروه کانه های فلزی و 13 شرکت از گروه خودرو از مرداد 1386 تا مرداد 1398 استفاده شد و معیارهای R2 وRMSE برای همه مدل ها استفاده شد. علاوه بر این به صورت مجزا قدرت پیش بینی مدل شبکه های عصبی با افزایش داده های سایر شرکت های همگروه ارزیابی شد. نتایج نشان می دهد که مدل LSTM بیشترین قدرت را در پیش بینی قیمت سهام دارد، همچنین از نتایج مهم دیگر این تحقیق توجه به این نکته است که افزایش پارامتر های مدل در صورتی که قدرت توضیح دهندگی کافی نداشته باشند می تواند اثر زیادی در کاهش دقت پیش بینی مدل ها داشته باشد.
