A tomada de decisões na bolsa de valores é uma tarefa muito difícil e desafiante de previsão de dados financeiros. A previsão sobre o mercado de acções com movimentos de alta precisão rende lucros para os investidores das acções. Devido à complexidade dos dados financeiros da bolsa de valores, o desenvolvimento de modelos eficazes de decisão de previsão é muito difícil, e deve ser preciso. Este estudo tentou desenvolver modelos para a previsão do mercado de acções e decidir se a acção deve ser comprada/detida utilizando técnicas de prospecção de dados e de aprendizagem de máquinas. As técnicas de aprendizagem de máquinas como Naive Bayes, k-Nearest Neighbor(k-NN), Support Vector Machine(SVM), Artificial Neural Network(ANN)e Random Forest foram utilizadas para o desenvolvimento do modelo de previsão. Os indicadores técnicos são calculados a partir dos preços das acções com base em dados de linha temporal e são utilizados como inputs dos modelos de previsão propostos. Dez anos de dados do mercado de acções têm sido utilizados para a previsão de sinais de acções. Com base no conjunto de dados, estes modelos são capazes de gerar sinal de compra/retenção para o mercado de acções como um resultado.