我国不断推进经济体制的深化改革,与此同时,股票市场也得到不断的完善与发展,股票市场作为我国证券业和金融业不可或缺的重要组成部分,是一个充满机遇和挑战的领域。股票投资是一种高收益,同时又是高风险的手段。投资者在进行股票选择及买卖之前,需要有一套科学有效的方法,找到收益和风险的平衡点,以实现预期的投资目标。因此,与股票投资相关的数据分析和预测就具有十分重要的理论意义和实用价值。目前股票策略研究主要是采用基本面法或技术面法单一的方式,本文提出一种基于量化分析和数据挖掘技术结合的投资策略。先利用财务指标,构建选股策略,选择投资前景良好的股票。然后利用数据挖掘方法对股票的收盘价进行预测,得到对单只股票价格走势的预测结果。通过对比预测涨幅和预先设定的涨幅阈值,找到更合适的买卖股票时间点,从而获得更高的收益。首先采用Piotroski选股方法,挑选出9个具有代表性的财务指标,然后根据各自的评分标准进行打分,最后得到综合评分。由综合评分可以选取具有投资价值的高分组股票。将这些股票作为研究对象,选择合适的时间点进行买卖。然后分别使用时间序列(ARIMA)模型和支持向量机回归(SVR)模型对股票的收盘价进行预测,接着结合两者构建ARIMA-SVR模型。实验证明混合模型的预测效果最好。在混合模型预测的基础上,利用比例系数法进而求出收盘价的预测区间。最后根据预测的涨幅决定是否持有股票,从而得到买卖股票的最佳时间点。实验结果表明,Piotroski选股方法适用于中国A股市场。高分组的收益率在持有期都比低分组组合高,同时最大回撤比低分组组合要低。ARIMA-SVR混合模型对沪深300成分股东方航空和非沪深300成分股的四川路桥收盘价的预测效果,比单一的ARIMA模型和SVR模型都优。基于比例系数法的区间预测方法,能取得较好的效果。最后,通过综合实验,验证定性方法(Piotroski方法)与定量方法(ARIMA-SVR混合模型)结合是有效的。最终结果表明,基于Piotroski选股方法和ARIMA-SVR模型的投资策略是有效的,能够保证收益,同时控制风险。