تصمیم گیری در بازار بورس چالش برانگیز است، زیرا این بازار دارای محیطی اتفاقی، غیرخطی و غیرقطعی است. بازارهای بورس از عواملی مانند اندیکاتورهای بازار، عوامل اقتصاد خرد و کلان و خبرها تأثیر می گیرند. خبرها یکی از عوامل تأثیرگذار بر بازار هستند که در سال های اخیر توجه پژوهشگران را به خود جلب کرده اند. در صورت تحلیل درست و موفقیت آمیز اخبار، می توان از پیش بینی حاصله برای معامله سهام استفاده کرده و به سود رسید. این پایان نامه سیستم پشتیبان تصمیمی برای پیش بینی قیمت سهام با استفاده از خبر در بازار بورس تهران ارائه می کند. با این هدف، با استفاده از متن کاوی به استخراج انواع ویژگی از خبرها می پردازیم. سپس به منظور دسته بندی خبرها در دو دسته مثبت و منفی، تعدادی از ویژگی ها انتخاب شده و به دسته بندهای ماشین بردار پشتیبان و شبکه عصبی ارائه می شوند. بر اساس مقایسه چندین نوع ویژگی و دو دسته بند نتیجه گرفته می شود که ویژگی ترکیب کلمات و دسته بند ماشین بردار پشتیبان برای فارسی عملکرد خوبی دارند. همچنین شبیه سازی معامله حاکی از آن است که پیش بینی قیمت با استفاده از خبر بالقوه سودآور است. علاوه بر این با ارائه روشی جدید برای خارج کردن ویژگی های قدیمی از دایره کلمات دسته بند، دقت دسته بند و سود شبیه سازی افزایش یافته و به ترتیب به 74.7% و 18.1% می رسد. مقدار سود مذکور برای بازه ای دوماهه است.