چکیده: یک سری زمانی، مجموعه‌ای از مشاهداتی است که به ترتیب زمان اتفاق می‌افتند. به عبارتی سری‌های زمانی دنباله‌ای از داده‌هایی هستند که وابسته به زمان است.. مانند دمای روزانه هوا، کل فروش هفتگی یک فروشگاه و قیمت‌های سهام و صندوق‌های سرمایه‌گذاری مشترک.  خصوصیت یک سری زمانی، حجم زیاد داده‌ها، ابعاد زیاد و ضرورت بروز رسانی مداوم است و از طرفی دارای ماهیتی عددی و پیوسته است. افزایش استفاده از داده‌های زمانی، و به‌طور خاص داده‌های سری زمانی، باعث تحقیقات گسترده در فیلد داده‌کاوی بر روی آن‌ها شده است. درواقع به خاطر حجم بالای داده‌ها در سری‌های زمانی ،داده‌کاوی بسیار اهمیت دارد، زیرا می‌تواند الگوها و اطلاعات مفید را از دل این حجم عظیم اطلاعات استخراج کند. به‌عنوان‌مثال پیش‌بینی ارزش سهام یک شرکت که اعتبارش بر مبنای ارزش سهام شرکت است، می‌تواند بسیار مهم باشد، چون مدیریت می‌تواند تصمیمات درستی را در جهت پیشگیری از کاهش ارزش سهام و به طبع آن کاهش اعتبار شرکت، بگیرد. . مدل پیش‌بینی سری زمانی روشی است که از مقادیر مشاهده‌شده قبلی برای پیش‌بینی آینده مقادیر استفاده می‌کند.  ما در این مقاله مرور جامعی روی سری‌های زمانی خواهیم داشت و 3 جنبه مهم سری‌های زمانی یعنی Representation، Indexing و Similarity measure را بررسی می‌کنیم. سپس مروری روی تکنیک‌های داده‌کاوی روی این سری‌ها خواهیم داشت و در انتها به کمک Regression، بازار سهام نیجریه را به‌طور نمونه بررسی خواهیم کرد.