金融市场是当今经济全球化的重要组成部分,金融系统的波动对于社会经济的影响巨大。挖掘金融市场的规律,寻找交易机会,规避市场风险是金融界一直以来研究的重点。近年来,随着深度学习技术的快速发展,人工智能技术在金融领域得到越来越多的重视,FinTech、量化金融等技术成为人工智能领域的一个重要的研究领域。本文首先介绍金融数据分析系统的研究背景及意义,通过对常用的金融数据预测方法进行介绍,分析并对比其优缺点,以及介绍现阶段国内外研究现状。其次,本文针对金融数据预测的方法使用了深度学习领域中长短时间记忆(LSTM)算法、循环神经网络(RNN)算法、编码-解码(Seq2Seq)算法进行对比分析,并以A股数据进行验证算法的有效性。最后本文以基于深度神经网络的预测算法和分析方法作为关键技术,面向股票、期货和其它金融交易产品,采用规范的软件工程的需求分析和系统设计方法,Python和PHP的混合语言框架、前后端分离的设计思想,对金融数据分析系统进行完整的设计和实现,主要功能包括:数据采集、个股分析、智能评估、趋势预测4个子系统。该系统应用深度学习领域的LSTM等算法进行短期内金融产品价格和趋势的预测,采用时间序列分析算法对金融产品的周期性等因素分析,采用聚类算法对收益率等数据进行聚类分析。最后,本文以A股为测试数据对金融数据分析系统各个页面进行实现和功能展示。本文主要的贡献如下:(1)将时间序列分析方法运用到金融数据中,对其周期性等因素分析,从而挖掘出具体指导意义的股票预测规则。(2)以A股数据作为数据集进行聚类,将分类结果进行分析和模型评估,再基于多种深度学习网络模型,进行股票价格预测和趋势分析。(3)设计并开发一个满足不同用户需求的金融数据分析系统,结合深度学习预测算法和传统数据挖掘算法,使得系统更具科学性、实用性和可解释性。