در این پژوهش با نگاهی آماری بر داده های بورس تهران اقدام به شناسایی رفتار و فرآیند تولید داده های بازده روزانه شاخص بورس تهران شده و پس از انجام آزمون های متعدد، با شناسایی رفتار آماری این داده ها و اظهارنظر راجع به کارایی این بازار، اقدام به توسعه مدلی نوین برای پیش بینی آن شده است. لازم به ذکر است که ساختار مدل ارائه شده مطابق با رفتار آماری این داده ها تدوین شده است. مدل ارائه شده متشکل از دو شبکه عصبی مصنوعی احتمال ترکیبی و حافظه کوتاه مدت و بلندمدت ماندگار می باشد که با در نظر گرفتن تعداد رژیم های رفتاری متفاوت، حرکات روزانه بازده شاخص بورس تهران را در بازه زمانی آذر 1387 تا فروردین 1400 توضیح می دهد. آزمون های متفاوت کارایی ضعیف بازار را رد کرده و ذات آشوبی را در رفتار بازده شاخص کل بورس تهران نشان می دهد. مدل ارائه شده در این پژوهش توانسته است دقت بهتری نسبت به مدل بدون در نظر گرفتن رژیم کسب بنماید. آزمون دیابولد ماریانو معنی دار بودن این تفاوت دقت مدل ها را تائید کرده و آزمون معکوس با در نظر گرفتن هزینه معاملاتی نشان داده است که استراتژی این مدل با در نظر گرفتن چند رژیم، بازده بالاتری نسبت به مدل بدون رژیم و شاخص بازار کسب می کند.