بسیاری از پژوهش ها در علم مالی بر پیش بینی دقیق بازده شرکت ها با در نظر داشتن ریسک سرمایه گذاری در سهام آن ها تمرکز داشته اند. هدف این پژوهش،بررسی امکان توضیح بازده غیرعادی(تفاوت بازده مورد انتظار حاصل از مدل قیمت گذاری دارایی های سرمایه ای و بازده واقعی) بااستفاده ازنسبت های مالی وانتخاب ابزاربهتر برای پیش بینی آن از بین دومدل رگرسیون چندگانه با رویکرد تحلیل مؤلفه های اصلی (PCA) وشبکه های عصبی مصنوعی(ANN) است. بر این اساس توانایی مدل شبکه های عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا (BPN) در پیش بینی برون نمونه ایِ بازده غیرعادی سهام مورد معامله در بورس اوراق بهادار تهران در سال های 1384 تا 1391 به طور معناداری بیشتر از توانایی رگرسیون خطی با رویکرد تحلیل مؤلفه های اصلی بوده است.
