پیش بینی بازار سهام به عنوان یک کار پر چالش در حوزه پیش بینی سری های زمانی مالی در نظر گرفته شده است. علت مهم این امر عدم وجود قطعیت در نحوه حرکت بازار سهام می باشد. همچنین تحلیل داده های سری زمانی قیمت های سهام به علت غیر خطی بودن و وجود نویز زیاد مشکل می باشد. در این پژوهش از دو رویکرد متفاوت برای پیش بینی کوتاه مدت بازار سهام استفاده شده است. در رویکرد اول هدف این است که با استفاده از قوانین انجمنی میان تراکنشی یک دسته بند انجمنی ساخته شود تا به پیش بینی حرکت آینده قیمت سهام های مختلف بپردازد. در این رویکرد با استفاده از ضریب همبستگی با تأخیر زمانی میان دو شرکت تنها شرکت هایی در فرایند پیش بینی شرکت می کنند که ضریب همبستگی آن ها از حد معینی بیشتر باشد. همچنین با استفاده از دو شاخص تکنیکی، اثر گذشته قیمت هر سهام را بر آینده قیمت آن در نظر می گیریم. با استفاده از معیار فاصله اقلیدسی میان دو زیر دنباله الگوریتم ارائه شده این قابلیت را دارد که بر اساس میزان فاصله اقلیدسی بین دو زیر دنباله وزن متفاوتی برای تراکنش ها در نظر بگیرید. در رویکرد دوم هدف استخراج قوانین انجمنی میان تراکنشی با استفاده از قیمت های مختلف یک سهام می باشد. در این رویکرد ما از نظریه فازی به همراه نمودار شمعی برای استخراج قوانین انجمنی استفاده کرده ایم. همچنین با مدل کردن نمودار شمعی و سپس بدست آوردن الگو های تکرار شونده با استفاده از قوانین انجمنی میان تراکنشی به پیش بینی بازار سهام و مدیریت سبد سهام پرداخته ایم. معیار ارزیابی کارایی الگوریتم های ارائه شده میزان سود بدست آمده در دوره آزمایش می باشد. دو دیتاست متفاوت مورد مطالعه قرار گرفته اند که متعلق به بازار سهام ژاپن و آمریکا می باشند. نتایج بدست آمده نشان دهنده این است که الگوریتم های ارائه شده سود بیشتری را در مقایسه با استراتژی خرید و نگهداری و سایر روش ها بدست آورده اند.