随着我国市场经济建设的高速发展,人们的金融意识和投资意识日益增强,而作为市场经济的组成部分—股票市场,正逐步走向成熟与规范,越来越多的投资者把眼光投向了股票。股票市场是与人们的生活、社会稳定和经济发展密切相关的金融市场,如何有效地分析和预测股市走势一直是人们关注研究的问题,现在己经提出了很多理论方法和技术。在这些方法中,数据挖掘由于其独特的结构和处理信息的方法,高度并行、分布式存储等特点,特别适合于处理不确定的模糊信息和同时需要考虑许多因素条件的问题,因此在股市分析中越来越受到人们的重视。论文首先介绍并分析了数据挖掘和证券分析的特点及研究现状,指出将数据挖掘应用于证券分析的可行性和迫切性。同时对证券数据的特征进行了分析,提出了适用于证券数据的挖掘模型。并在此模型的基础上展开对数据挖掘的研究。其次,论文介绍了kaburobo平台,通过对真实股票市场的模拟研究了股票自动交易算法,并基于kaburobo平台,对当前股票分析的四种主要方法进行了改进。最后,本文深入研究了遗传算法在自动交易领域的应用,提出了基于遗传算法的K-MEANS模型并给出了试验结果,把普通的K-MEANS算法和遗传算法结合起来,使之成为有效的数据挖掘聚类分析工具。