پیش بینی بازار سهام یکی از چالش برانگیزترین مشکلاتی است که بیش از نیم قرن هم محققان و هم تحلیلگران مالی را مضطرب کرده است. برای برطرف کردن این مشکل، دو رویکرد کاملاً متضاد، یعنی تحلیل فنی و اساسی، ایجاد شد. تجزیه و تحلیل فنی پیش بینی‌های خود را بر اساس شاخص‌های ریاضی ساخته شده در قیمت سهام پایه گذاری می‌کند، در حالی که تجزیه و تحلیل بنیادی از اطلاعاتی که از اخبار، سودآوری و عوامل اقتصاد کلان به دست می‌آید، بهره می‌برد. رقابت بین این مکتب‌های فکری به دستاوردهای جالب بسیاری منجر شده، اما تا به امروز هیچ راه حل رضایت بخشی پیدا نشده است. هدف ما این است که تجزیه و تحلیل فنی و بنیادی را با استفاده از علم داده و تکنیک‌های یادگیری ماشین تلفیق کنیم. در این مقاله مشکل پیش بینی بازار سهام در یک طبقه بندی از سری داده‌های زمانی ترسیم شده است. شاخص‌های تحلیل فنی و احساسات مقالات خبری هر دو به عنوان ورودی به کار گرفته می‌شوند. نتیجه یک مدل پیش بینی قوی است که قادر به پیش بینی روند مجموعه سبد سهام [1] تشکیل شده توسط بیست شرکت با سرمایه بالا در فهرست NASDAQ100 است. به منظور اثبات اثربخشی واقعی رویکرد ما، از پیش بینی‌های انجام شده برای اجرای یک شبیه سازی معاملاتی با فرکانس بالا و رسیدن به بیش از 80٪ بازده سالانه استفاده کردیم. این پروژه یک گام به جلو برای ترکیب تکنیک‌های فنی و اساسی  و نقطه شروع برای توسعه استراتژی‌های جدید تجاری را نشان می‌دهد.