یکی از روشهای سنتی پیش بینی، تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. در مورد عمکرد این مدلهای سنتی بعضاٌ تردید های ایجاد شده است. یکی از روشهای جایگزین شبکه های عصبی مصنوعی است که در برخی موارد توانایی بالقوه خوبی برای پیش بینی سری های زمانی از خود نشان داده اند. در این مقاله، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی (ANN) به مقایسه این دو روش برای پیش بینی نرخ روزانه ارز در دوره مارس 2006 تا فوریه 2009 پرداخته شده است. نتایج تحقیق نشان داده است که روش شبکه های عصبی تخمین های بهتری نسبت به روش ARIMA ارائه می کند. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و داده های اقتصادی کشور استفاده شده است.
