پیش بینی بازار سهام به علت پر سود بودن معاملات سهام همواره مورد توجه معامله گران و سرمایه گذاران می باشد. یک معامله موفق سهام در خرید و یا فروش در نزدیکی نقاطی که روند قیمت تغییر می یابد، اتفاق می افتد. بنابراین پیش بینی شاخص بازار سهام و تحلیل آن برای تشخیص اینکه آیا قیمت بسته شدن سهام در روز بعد افزایش خواهد یافت و یا کاهش، بسیار مهم است. در این پژوهش از روش طبقه بندی نزدیکترین همسایگی بر پایه روش ترکیبی انتخاب ویژگی برای پیش بینی جهت حرکتی شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران استفاده شده است. این روش هیبرید انتخاب ویژگی، که ترکیبی از روش تجزیه و تحلیل اجزای اساسی و الگوریتم ژنتیک می باشد از مزایای هر دو نوع روش پوشش دهنده و فیلترکننده انتخاب ویژگی، برای انتخاب یک زیرمجموعه بهینه از بین فضای کل ویژگی ها برخوردار می باشد. عملکرد روش ترکیبی پیشنهادی با روش های متداول انتخاب ویژگی که عبارت است از: زنجیره اطلاعات، رلیف و روش آنالیز اجزای اساسی که جزو روش های فیلتر هستند و روش الگوریتم ژنتیک که از خانواده روش های پوشش دهنده می باشد، با استفاده از آزمون مقایسات زوجی مقایسه گردیده و نتایج حاصل نشان می دهد که روش ترکیبی ارائه شده از عملکرد بالاتری نسبت به دیگر روش های استفاده شده، در پیش بینی جهت حرکتی روزانه شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران برخوردار می باشد.