Actualmente a precisão na previsão de séries financeiras, tais como Índices Accionistas, têm captado uma enorme atenção. Tradicionalmente, o modelo Box-Jenkins Autorregressivos Integrados de Médias Móveis (ARIMA) é um dos modelos lineares mais utilizados na previsão de séries temporais. Pesquisas recentes têm demonstrado que as Redes Neuronais Artificiais (RNA) podem constituir uma potencial alternativa à tradicional estrutura ARIMA, na previsão. Esta tese tem por objectivo o estudo da eficiência dos ARIMA e dos modelos de RNA na previsão de quarto índices accionistas de quatro diferentes países (Alemanha, Itália, Grécia e Portugal), desde 2006 a 2007, considerando os 15 anos antecedentes. De modo a atingir este objectivo, foram utilizados dois softwares. Para determinar uma especificação apropriada para os modelos ARIMA foi utilizado o software Eviews que dispõe, também, de ferramentas poderosas para avaliar e testar os modelos, possibilitando ainda a previsão através dos mesmos. De forma a encontrar modelos RNA apropriados, para prever as séries em estudo, foi utilizado o software Matlab. As RNA forneceram uma boa precisão na previsão das quatro séries logaritmizadas. Uma vez que os modelos ARIMA requerem estacionaridade das séries, foram utilizadas as séries das primeiras diferenças, no entanto não foi encontrado nenhum modelo que pudesse fornecer uma previsão aceitável. Considerando as séries temporais diferenciadas nas RNA, os resultados da previsão foram menos satisfatórios. De facto, não foi possível comparar a eficiência dos modelos na previsão dos índices, uma vez que os modelos ARIMA encontrados não foram satisfatórios. Uma hipótese, na tentativa de encontrar modelos satisfatórios seria reduzir o intervalo de 15 anos de input.