با توجه به نوسانات زیاد نرخ ارز در ایران پیش‌بینی آن یکی از چالش‌های مهم برای گروه‌های مختلف در کشور می‌باشد. این مطالعه به بررسی عملکرد شش شبکه‌ی عصبی مصنوعی مختلف ایستا و پویا برای پیش­بینی نرخ ارز با رویکردهای بنیادی، تکنیکال و ترکیبی و با بکارگیری داده‌های فصلی طی دوره زمانی (1)1383-(4)1396 برای متغیرهای تاثیرگذار روی نرخ ارز شامل تورم، نقدینگی و تولید ناخالص داخلی برای دو کشور ایران و آمریکا، صورت گرفته است. یافته‌های پژوهش حاکی از این است تعداد نرون‌ها اثر منظمی روی بهتر شدن عملکرد شبکه‌ها نداشته و از طرفی بهترین نتایج در وقفه‌های سه و چهار اتفاق افتاده است. نتایج نشان می‌دهد که بهترین عملکرد مربوط به شبکه‌ی ایستای تکنیکال و با ساختار شانزده نرون و چهار وقفه میسر شده است که پیش‌بینی نسبتا دقیقی از نرخ ارز علیرغم تعداد کم داده‌های ورودی ارائه می‌دهد. همچنین دومین عملکرد مناسب مربوط به شبکه­ی ایستای ترکیبی با ساختار ده نرون و دو وقفه می­باشد. با این ملاحظات، سیاست‌گذاران می­توانند با توجه به دسترسی بیشتر و بروزتر به داده­های موثر بر نرخ ارز و با پایش لحظه­ای متغیرها و ورود آنها به مدل جامع طراحی شده با استفاده از این روش، میزان انحراف نرخ ارز پیش­بینی شده توسط مدل و نرخ ارز موجود را مورد بررسی قرار داده و سیاست­های مقتضی را بر این اساس اتخاذ نمایند، به طوری که زیان‌های وارده بر بخش داخلی و خارجی اقتصاد ناشی از شکاف نرخ پیش‌بینی شده و نرخ ارز موجود در حداقل مقدار باشد.