本文的目的是考虑在模糊逻辑和神经网络的预测中的潜力，同时在模型之间进行某种组合以解决不同模型中安曼证券交易所的指数和价格预测中的实现问题，其中以前的研究人员必须证明这些措施之间的差异。 在本研究中，我们以安曼证券交易所指数价格数据为样本集，比较了不同的应用模型，其中预测股票市场非常困难，因为它依赖于非平稳财务数据，而且大多数模型都是非线性系统。 这些论文将这些模型的组合吸引了现有的学者和文学评论家，并将它们进行了比较，概念方法的发展和研究主张是实现这种组合的基础。 因此，当前和最近的论文可以为更多的研究人员提供服务，以解决这些研究人员所面临的当代障碍。 作者在本文中展示了模糊逻辑和神经网络，除了通过这些模型进行时间序列分析外，还利用了RSI，OS，MACD和OBV，然后使用了MSE，MAPE和RMSE。 研究含义表示研究期间的数据过多，并且本文本质上也是概念性的，本文着重于发现实施方面的挑战以及这些挑战如何促进股票市场中交易者的决策。 分析结果表明，与其他方法相比，ANFIS是更好的模型，可以更好地实现对股票市场的预测。 与模拟其他方法中的错误相比，MAPE和RMSE何时才是最好的选择