Il processo decisionale del mercato azionario è un compito molto impegnativo e difficile di previsione dei dati finanziari. Prevedere il mercato azionario con un'elevata accuratezza del movimento produce profitti per gli investitori in azioni. A causa della complessità dei dati finanziari del mercato azionario, lo sviluppo di modelli efficaci per la previsione delle decisioni è molto difficile e deve essere accurato. Questo studio ha cercato di sviluppare modelli per la previsione del mercato azionario e per decidere se acquistare/tenere le azioni utilizzando tecniche di data mining e machine learning. Per sviluppare il modello di previsione sono state utilizzate tecniche di apprendimento automatico come Naive Bayes, k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Artificial Neural Network (ANN) e Random Forest. Gli indicatori tecnici sono calcolati dai prezzi delle azioni sulla base dei dati storici e vengono utilizzati come input dei modelli di previsione proposti. Sono stati utilizzati dieci anni di dati del mercato azionario per la previsione dei segnali dei titoli. Sulla base del set di dati, questi modelli sono in grado di generare segnali buy/hold per il mercato azionario come output.