امروزه به علت عدم قطعیت محیط و توسعه سریع تکنولوژی نوین معمولاً باید موقعیت های آینده را با استفاده از داده های کم و در بازه زمانی کوتاه مدت پیش بینی کرد. بنابراین به روش هایی برای پیش بینی نیاز است که به داده های کمتری احتیاج داشته باشد. مدل میانگین متحرک خودرگرسیون و روش شبکه عصبی مصنوعی برای دستیابی به نتایج دقیق نیاز به داده های زیادی دارند اما مدلهای رگرسیون فازی، مدل های مناسبی برای پیش بینی با استفاده از داده های کمتری نسبت به دیگر روشها میباشند. در این مقالله به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیق تر به بررسی سه روش میانگین متحرک خود رگرسیون انباشته، رگرسیون فازی و میانگین متحرک خود رگرسیون انباشته فازی که از ترکیب دو روش قبل بدست آمده، پرداخته شده است. مقایسه میزان صحت پیش بینی مدل های مذکور براساس دو معیار خطای ریشه متوسط مربعات(RMSE) و ضریب تعیین (R2 ) حاکی از آن است که مدل میانگین متحرک خود رگرسیون انباشته فازی به عنوان الگوی برتر جهت پیش بینی مقادیر شاخص قیمت بوده است.
