چکیده: بورس به عنوان بازاری سازمان‌یافته نقش مهمی در تجمیع سرمایه‌های خرد و کلان و هدایت آن‌ها به سمت فعالیت‌های اقتصادی ایفا می‌کند. سرمایه‌گذاران با خرید و فروش سهام و اوراق بهادار در این بازار، امکان بهره‌مندی از سود شرکت‌ها را به دست می‌آورند. در عین حال، سرمایه‌گذاری در بورس مزایایی همچون نقدشوندگی سریع و قابلیت کسب سود بالا دارد، اما با معایبی مانند ریسک‌پذیری شدید و نوسانات غیرقابل پیش‌بینی نیز همراه است. یکی از روش‌های متداول در تحلیل بازارهای مالی، رگرسیون خطی است که به منظور شناسایی و مدل‌سازی رابطه میان متغیرهای وابسته و مستقل به کار گرفته می‌شود. در این روش با برازش یک خط مستقیم بر داده‌های تاریخی، روندها و الگوهای قیمتی استخراج شده و پیش‌بینی‌های لازم در خصوص تغییرات آتی انجام می‌گیرد. در پژوهش حاضر تلاش شده است تا با استفاده از رگرسیون خطی و داده‌های گذشته بازار، مدلی برای پیش‌بینی قیمت دارایی‌های بورسی ارائه گردد. نتایج به دست آمده نشان داد که رگرسیون چندگانه و وزندار عملکرد مطلوب‌تری در پیش‌بینی قیمت‌ها نسبت به رگرسیون ساده و چندجمله‌ای دارند. با این حال، محدودیت‌های ذاتی رگرسیون خطی همچون ناتوانی در مدل‌سازی روابط پیچیده غیرخطی، حساسیت بالا به داده‌های پرت و دشواری در پیش‌بینی نوسانات ناگهانی همچنان پابرجاست. به منظور غلبه بر این چالش‌ها، در این پژوهش از تکنیک‌های بهینه‌سازی داده و روش‌های تکمیلی بهره گرفته شد تا دقت پیش‌بینی افزایش یافته و کارایی مدل ارتقا یابد