هدف از انجام این پژوهش بررسی دقت پیش بینی جهت حرکت قیمت سهام با استفاده از شبکه عصبی LSTM با شاخص های تکنیکال و اقتصادکلان است. برای رسیدن به این هدف، در گام نخست داده های قیمت سهام در دوره 1396 تا 1402 استخراج می شود. در گام بعدی، 4 مدل از شبکه عصبی مصنوعی LSTM به پیش بینی جهت حرکت قیمت می پردازند و در نهایت با یکدیگر مقایسه می شوند ؛ مدل LSTM با شاخص های تکنیکال، مدل LSTM با شاخص های اقتصادکلان، مدل ترکیبی تکنیکال و اقتصادکلان و مدل پیشنهادی ما که ویژگی های دو LSTM تکنیکال و اقتصادکلان را در یک مدل ترکیب نمی کند در عوض، یک مکانیسم تصمیم گیری مبتنی بر قانون را پیشنهاد می کند که به عنوان نوعی پس پردازش عمل می کند و از آن برای ترکیب نتایج خطوط پایه در یک تصمیم نهایی استفاده می شود. بدین منظور، از 80 درصد کل داده ها به عنوان دوره یادگیری ماشین (درون نمونه) و مابقی داده ها به عنوان دوره آزمون (خارج از نمونه) استفاده شده است. نتایج پیش بینی 1، 3 و 5 روزه برای دوره آزمون (خارج از نمونه) نشان می دهد که مدل پیشنهادی از سایر مدل ها عملکرد بهتری دارد و دقت سود بالای 50 درصد کسب می کند.