چکیده: بازار سرمایه به‌عنوان یکی از ارکان اصلی نظام مالی هر کشور، نقش مهمی در تجهیز و تخصیص بهینه منابع ایفا می‌کند. در این میان، بورس اوراق بهادار تهران به‌عنوان بزرگ‌ترین نهاد معاملاتی کشور، همواره موردتوجه پژوهشگران و سرمایه‌گذاران در زمینه تحلیل و پیش‌بینی قیمت سهام بوده است. باتوجه‌به ماهیت پویا، غیرخطی و متأثر از عوامل متعدد اقتصادی، سیاسی و رفتاری این بازار، استفاده از روش‌های سنتی آماری برای پیش‌بینی قیمت سهام با محدودیت‌هایی مواجه است. در سال‌های اخیر، پیشرفت‌های چشمگیر در حوزه یادگیری ماشین و به‌ویژه یادگیری عمیق، افق‌‌های جدیدی را در مدل‌سازی داده‌های مالی گشوده است. هدف اصلی این پژوهش، ارائه و ارزیابی مدلی مبتنی بر یادگیری عمیق به‌منظور پیش‌بینی قیمت سهام در بازار بورس اوراق بهادار تهران، با تعمیم‌پذیری مناسب است. در این راستا، با استفاده از داده‌های تاریخی قیمت مربوط به 50 نماد شاخص ساز سال 1393 برای بازه زمانی ابتدای سال 1393 تا ابتدای سال 1404، چند معماری مبتنی بر یادگیری عمیق از جمله شبکه عصبی چندلایه، شبکه عصبی بازگشتی، واحد بازگشتی دروازه‌ای و حافظه بلند مدت کوتاه‌مدت آموزش داده شدند. داده‌ها پس از نرمال‌سازی به روش مقیاس‌سازی کمینه-بیشینه و تقسیم به مجموعه‌های آموزش و ارزیابی به روش K-Fold، مورداستفاده قرار گرفتند. عملکرد مدل با معیار میانگین مربعات خطا ارزیابی شد. به‌منظور دستیابی به بهترین مدل به ازای هر معماری، آزمایش‌های مربوط به تنظیم‌هایپرپارامتر بر روی متغیرهای تعداد لایه‌ها، ابعاد پنهان و طول پنجره داده ورودی، صورت گرفت. همچنین برای ارزیابی میزان تعمیم پذیری مدل‌های بدست آمده، 10 نماد، به غیر از 50 نماد که در فرایند آموزش و ارزیابی اولیه شرکت داشتند، به‌عنوان مجموعه داده آزمون به کار گرفته شدند. نتایج تجربی نشان داد که استفاده از مدل‌های مبتنی بر یادگیری عمیق، به‌ویژه شبکه عصبی چندلایه، و استفاده از تعداد بالای نماد در گروه‌های بورسی متنوع، موجب کسب خطای پایین و هم‌ سطح با روش‌های دیگر و تعمیم‌پذیری بالا برای نمادهای دیده نشده در فرایند آموزش می‌شود. این به معنای توانایی مدل‌های مبتنی بر یادگیری عمیق در استخراج الگوهای غیرخطی و وابستگی‌های زمانی از داده‌های بازار بورس اوراق بهادار ایران است. یافته‌های این پژوهش بیانگر آن است که به‌کارگیری این مدل‌ها می‌تواند به‌عنوان ابزاری کارآمد در تصمیم‌گیری سرمایه‌گذاران و مدیران پرتفوی مورداستفاده قرار گیرد و زمینه‌ساز توسعه سیستم‌‌های هوشمند پشتیبان تصمیم در بازار سرمایه ایران باشد.