چکیده: پیش بینی و بررسی رفتار قیمت در بازار مالی همیشه چالشی برای محققان و فعالین این حوزه بوده، از طرفی با توجه بـه پیشرفت فناوری در زمینه علوم کـامپیوتر و فراگیـر شـدن آن در علوم مختلـف، زمینـه هـای اسـتفاده از شـبکه هـای عصبی مصنوعی را فراهم کرده است. شبکه های عصبی مصنوعی مدل هایی ریاضی هستند که الهام گرفته از سیستم عصبی و مغز انسان می باشند که به علت عملکرد واقع بینانه تر این مدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیش بینی استفاده شده است. در این پژوهش به بررسی شبکه ی حالت پژواک و ترکیب با الگوریتم بهینه سازی PSO که معروف به ESN-PSO هست، می پردازیم. در مورد ویژگی های آن ها بحث می کنیم و سپس مدل های شبکه ی عصبی را بر روی قیمت سهام بازارهای بورس داخلی و خارجی استفاده می کنیم. سه بازارمالی بورس ایران، بورس آمریکا و بازار فارکس را به عنوان هدف در این مطالعه در نظر گرفته ایم و از هر بازار مالی یک نماینده (سهام شرکت فولاد مبارکه ی سپاهان از بورس ایران، سهام شرکت آمازون از بورس آمریکا و جفت ارز یورو به دلار آمریکا از بازار فارکس) برای بررسی شبکه حالت پژواک و مدل ترکیبی ESN-PSO انتخاب کرده ایم و در نهایت شبکه حالت پژواک را با مدل ترکیبی ESN-PSO، با توجه به معیارهای خطاسنجی که شامل: میانگین مجذور خطای مربعات، میانگین خطای مطلق، معیار ضریب تعیین و میزان دقت مقایسه می کنیم و مورد بحث و بررسی قرار می دهیم و در نهایت نتیجه گیری می کنیم که مدل ترکیبیESN-PSO و مدل ESN در پیش بینی قیمت چه عملکردی داشته است.