همواره پیش بینی سری های زمانی مالی موضوعی چالش برانگیز در زمینه تجزیه و تحلیل بازار سهام محسوب می شود. در این تحقیق رویکردی ترکیبی مبتنی بر سیستم قاعده بنیان فازی tsk و الگوریتم ژنتیک به منظور پیش بینی قیمت سهام توسعه داده شده است. در مرحله پیش-پردازش ابتدا با استفاده از داده های قیمت، شاخص های تکنیکال محاسبه، نویززدایی و نرمال سازی می شوند. برای انتخاب متغیرهای ورودی مدل از تجزیه و تحلیل رگرسیون مرحله ای استفاده شده-است. ورودی مدل فازی tsk از شاخص های تکنیکال تشکیل شده و قسمت تالی قانون فازی این مدل ترکیبی خطی از متغیرهای ورودی است. به منظور تعیین تعداد قوانین فازی مدل از روش خوشه بندی fuzzy c-means استفاده شده است. به علاوه توابع عضویت اولیه موجود در قسمت مقدم قوانین فازی از نوع توابع گائوسی تعریف شده اند. برای تنظیم پارامترهای موجود در بخش های مقدم و تالی قوانین فازی از الگوریتم ژنتیک استفاده می شود. مدل پیشنهادی در بورس اوراق بهادار تهران و بازار سهام تایوان مورد آزمون قرار گرفته و نتایج عملی حاکی از دقت بالای مدل در پیش-بینی نوسان قیمت های سهام و شاخص هاست (پیش بینی شاخص بازار سهام تایوان با دقت 99.29% و پیش بینی شاخص 50 شرکت فعال تر بورس تهران با دقت 99.07%). نتایج این تحقیق بسیار امیدوارانه است و بدین منظور می توان از این رهیافت به منظور پیش بینی قیمت در سیستم های بلادرنگ نیز استفاده نمود.