در محیط پویای بازار سرمایه ایران، تصمیم‌گیری آگاهانه و استراتژیک مستلزم دسترسی به ابزارهای تحلیلی پیشرفته و مبتنی بر داده است. نوسانات شدید شاخص بورس اوراق بهادار تهران و تأثیر عوامل اقتصادی و رفتاری بر رفتار سرمایه‌گذاران، ضرورت بهره‌گیری از رویکردهای هوشمند در پیش‌بینی و مدیریت ریسک را بیش از پیش آشکار ساخته است. این پژوهش با هدف ارائه مدلی داده‌محور برای بهبود فرآیند تصمیم‌گیری در حوزه سرمایه‌گذاری، از ترکیب مدل‌های یادگیری عمیق مثل CNN-LSTM، GRU-CNN و RNN-LSTM-GRU برای پیش‌بینی شاخص کل بورس تهران استفاده می‌کند. داده‌های پژوهش شامل اطلاعات روزانه شاخص کل بورس طی بازه زمانی فروردین ۱۳۹۳ تا اسفند ۱۴۰۲ بوده و مدل‌ها در افق‌های زمانی کوتاه‌مدت (۱ روزه) و میان‌مدت (۵ روزه) و بر اساس پنجره‌های زمانی ۵، ۲۱ و ۴۳ روزه مورد ارزیابی قرار گرفته‌اند.. نتایج نشان می‌دهد مدل‌های ترکیبی، به‌ویژه RNN-LSTM-GRU، توانایی بالاتری در شناسایی الگوهای پیچیده و غیرخطی بازار داشته و می‌توانند دقت پیش‌بینی را به‌طور معناداری نسبت به مدل‌های منفرد افزایش دهند. یافته‌ها بیانگر آن است که بهره‌گیری از مدل‌های ترکیبی یادگیری عمیق می‌تواند به‌عنوان ابزاری مؤثر در پشتیبانی از تصمیم‌گیری استراتژیک، مدیریت ریسک پرتفوی و تدوین سیاست‌های سرمایه‌گذاری هوشمند مورد استفاده قرار گیرد. در نتیجه، این پژوهش نه‌تنها به توسعه ادبیات نظری مدیریت مالی داده‌محور کمک می‌کند، بلکه چارچوبی عملی برای بهبود تصمیمات سرمایه‌گذاری در بازارهای نوظهور ارائه می‌دهد