یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است ؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه محیط ها نیازمند روش هایی است که با تعداد داده های قابل حصول کم نیز کارآمد و کارا باشند. روش های پیش بینی فازی، به دلیل استفاده از اعداد فازی به جای اعداد قطعی، نسبت به سایر روش های مشابه به داده های کمتری نیاز داشته، اما عملکرد آنها همیشه رضایت بخش نیست. در این مقاله برای بر طرف کردن محدودیت تعداد داده های مورد نیاز شبکه و حصول نتایج دقیق تر برای پیش بینی قیمت طلا، مدل ترکیبی شبکه های عصبی مصنوعی با رگرسیون فازی پیشنهاد شده است. نتایج تجربی بیانگر کارآمدی این روش در پیش بینی قیمت طلا است.