بازارهای مالی یکی از عوامل تأثیر‌گذار روی اقتصاد هر کشور است. در هر کشور بازار‌های مالی معتبر متفاوتی با توجه به نوع کالایی که معامله می‌شود، نظیر سهام، ارز، طلا و ... وجود دارد. بازار تبادل ارز یکی از بازار‌های مالی است، که می‌توان در آن واحد پول کشور‌های مختلف را با یکدیگر مبادله کرد. این بازار از نظر نقدینگی و حجم بالای معاملات در هر روز، از بزرگ‌ترین بازار‌های مالی جهان محسوب می‌شود. مسئله‌ی مهم در بازار تبادل ارز یافتن روشی برای پیش‌بینی صحیح روند حرکت قیمت در آینده، برای کمک به تصمیم صحیح خرید یا فروش و کسب سود است. به همین دلیل پیش‌بینی داده‌های سری زمانی قیمت در بازار تبادل ارز یکی از مباحث مورد توجه است. ولی با توجه به اینکه، نوسانات قیمت ارز به عوامل مختلفی وابسته است، این مسئله جز موارد چالش برانگیز قرار می‌گیرد. داده‌های سری زمانی بازار تبادل ارز به صورت دنباله‌ای از قیمت هستند که در بعد زمان به یکدیگر وابسته‌اند. از طرفی قیمت در این بازار به صورت نسبت دو ارز مختلف (جفت‌ارز) بیان می‌شود. به دلیل وجود ارز مشترک بین جفت‌ارز‌ها، در چگونگی تغییر قیمت یک جفت‌ارز نسبت به دیگری همبستگی وجود دارد. گراف ابزاری است که می‌توان برای مدل‌سازی روابط پیچیده و داده‌های نامنظم به کار گرفت. در این پایان‌نامه برای طراحی روابط وابستگی زمانی و همبستگی بین جفت‌ارزها از گراف‌های زمانی-مکانی استفاده می‌شود. مدل طراحی شده در این پایان‌نامه، داده‌های متوالی قیمت و ارتباط بین جفت‌ارز‌ها را دریافت و سپس روند حرکت قیمت در آینده را پیش‌بینی می‌کند. برای بررسی چنین داده‌هایی (گراف‌های زمانی-مکانی) از یک روش ترکیبی شامل شبکه‌های عصبی گراف و شبکه‌های عصبی بازگشتی استفاده شده است. برای استخراج روابط همبستگی بین جفت‌ارز‌ها، از شبکه‌های عصبی گراف استفاده می‌شود، سپس ویژگی‌های سطح بالای تولید شده، برای مدل‌سازی وابستگی‌های زمانی بین داده‌های قیمتی در هر جفت‌ارز به شبکه‌های عصبی بازگشتی ارسال می‌گردد. در این پایان‌نامه علاوه بر تعریف همبستگی بین جفت‌ارز‌ها بر اساس قیمت بسته شدن در نمودار شمعی، یادگیری روابط بین جفت‌ارز‌ها با استفاده از فرآیند توجه نیز مورد بررسی قرار گرفته است. همچنین نرمال‌سازی داده‌های ورودی به دو روش مختلف، نرمال‌سازی روی کل مجموعه داده‌ (عمومی) و نرمال‌سازی روی هر داده‌ی سری زمانی (محلی) بیان شده است. نکته‌ی مهم دیگر در بازار تبادل ارز روش برچسب‌گذاری داده‌ها است که دو روش برچسب‌گذاری بازه‌های زمانی و برچسب‌گذاری تیک طراحی شده است. مد‌ل‌های پیشنهادی با هدف پیش‌بینی روند حرکت قیمت در آینده با استفاده از روش‌های مختلف نرمال‌سازی و برچسب‌گذاری برای سه کلاس افزایش (خرید)، کاهش (فروش) و بدون تغییر آموزش دیده است. نتایج به دست آمده نشان می‌دهد، وارد کردن اطلاعات گرافی و بررسی همبستگی بین جفت‌ارز‌ها در جهت یافتن راهکار مناسبی برای پیش‌بینی داده‌های سری زمانی بازار تبادل ارز، تأثیر مثبتی دارد.