数据流是一种新型的数据模型，它的发展仅有二十几年的时间，数据流挖掘一直是数据挖掘和数据库领域中讨论的热点难点问题。　　 本文在详细分析评述当前国内外数据流挖掘现状和挖掘算法的基础上，将更有效挖掘数据流中频繁项的NFI-TransSW算法首次应用在股票分析中，并详细介绍了MFI-TrausSW算法的核心内容位序法的工作原理和挖掘频繁项的过程。文中将股票的相关性计算及模式依赖分析结合起来，能够更为准确地挖掘出股票之间的依赖关系。　　 本文首次应用了MFI-TranSW算法，并提出了股票实时模式依赖掩掘模型，可以对具有模式依赖关系的股票进行挖掘和预测，即当一种股票出现特定模式时，另一种股票将出现什么样的模式。该文的研究成果可以对短期内的股票交易价格趋势进行合理的预测，满足用户对股市行情实时查询和分析的要求，为投资者的投资决策和股民选股提供一定的理论性指导，并为今后数据流挖掘算法的丰富和发展进行了有益的理论探索和实践尝试。