Mogućnost predviđanja kretanja tržišta predstavlja zanimljiv problem, kako financijskom sektoru, tako i ekonomskoj znanosti, a pozitivno rješenje istoga predstavljalo bi rušenje „Hipoteze Slučajnog Hoda“ (Random Walk Hypothesis) s ekonomske strane te novu, izrazito usmjerenu i preciznu strategiju trgovanja sa strane financijskog sektora. Prepreku uspješnom predviđanju predstavlja velik broj poznatih (i nepoznatih!) faktora koji utječu na kretanje cijena i tehničkoj analizi daju više eksplanatornu, a manje prediktivnu moć. Korištenjem dostupne računalne procesne snage možda je moguće u takvom nelinearnom sustavu otkriti poveznice među faktorima prije same promjene cijena te ih uspješno predvidjeti. U ovom sam radu pokušao iste otkriti korištenjem neuronskih mreža, jedne od varijanti nadgledanog učenja, implementiranih u Javi (Weka biblioteka). Koristeći tehničke indikatore i oscilatore nekog vremenskog perioda cijena određene dionice ili indeksa kao ulaz, izlaz je trebao dati budući smjer (manja preciznost) ili cijenu (viša preciznost) iste dionice/indeksa. Iako je preciznost unutar uzorka vrlo visoka, pokazalo se da je još uvijek nedovoljna s obzirom na raspon kretanja cijena, a u potpunosti neupotrebljiva s obzirom na smjer kretanja cijena izvan uzorka. Amplituda greške u predviđenoj veća je od amplitude kretanja stvarne cijene, stoga ne pruža poboljšanje u određivanju buduće cijene. Također, predviđanje ne uspijeva na vrijeme prepoznati oštrije promjene u cijeni te učestalo kasni za većim skokovima i promjenama smjera. Rezultati pokazuju da ovakav pristup ne nudi rješenje pitanja slučajnog hoda i ne rezultira informacijama o stanju tržišta koje bi koristile potencijalnim investitorima. Međutim, sam pristup korištenja nadgledanog učenja u takvim nelinearnim sustavima potencijalno obećava, ali samo korištenjem opsežnijih metoda od ovih korištenih u radu, te složenijim implementacijama neuronskih mreža.