我国股票市场经历了将近三十年的成长,已经变成我国资本市场的重要组成部分。与此同时,随着人民的收入水平的提高,股票投资已成为投资者进行资产配置的一种重要手段^[1]。复杂多变的股票市场包含了许多非常庞大的数据,如何更好的利用这些数据,挖掘数据内的深度信息,成为新的挑战。长期以来普通技术手段分析的方式难以发掘庞大海量数据身后隐藏的信息。运用数据挖掘技术对股票进行分析能更好地挖掘出上市公司股票潜在的有用信息和价值规律,帮助投资者做出正确的投资决定。本文根据股票数据的特点选择了相应的数据挖掘模型进行股票分析预测,针对投资者选择什么股票收益率更高这个问题来进行分析解决。主要分为三个部分:首先是寻找关键指标,由于影响股价走势的因素较多,本文利用关联规则分析找出具有参考意义有价值的,影响股价走势的20个股票关键指标。提升了有效性,避免过多的指标影响分析结果。然后依据关联分析的结果,对这20个关键指标进行聚类分析。通过对比不同聚类算法选择K-Means算法分析并对其做出算法改进,改进后的K-Means算法准确率明显提高。通过聚类分析结果可以看到较好的将优质股票进行聚类,对优质股和劣势股进行了区分,为投资者投资起到了较为有效的指导作用。最后应用C5.0决策树算法进行预测分析,决策树算法根据数据特征分类,同时可以对单个数据节点进行预测,因此利用决策树模型可以直观预测股票的走势。经过实验分析,通过C5.0决策树结合Boosting算法,改进后的C5.0决策树能有效的提升预测的准确性,并且增添两个输入指标对于提升准确性也效果显著,应用到个股的预测上有一定的指导意义。本文通过数据挖掘技术,运用不同算法从宏观和微观的层面对股票数据进行分析,在一定程度上改善了传统股票分析方法的缺点,为股票的预测投资提供了有价值的参考方法。