股票市场在一个国家经济中所起到的作用是非常重要的，股市因受到经济、政策和投资者心理等等因素的影响，是一个非常复杂、难以预测的系统。因为它的复杂不确定性特点，对它建立模型异常困难。随着市场交易的数据越来越大，股票的走势价格往往就隐藏在这日益增长的大量的数据中，新的数据处理技术数据挖掘技术是一种能从大量数据中获得有用的、有价值的信息的重要方法，所以使用该技术对股票交易数据信息进行预测分析有理论上和实际上的重大意义。针对目前国内股市走势预测常常存在的种种问题，如技术指标过多，常用技术指标预测失误率高、组合指标不同的指示难以判断、预测过程计算复杂、预测结果不理想等等，通过数据挖掘中的几种常用方法对技术指标建立预测模型，对预测原理、预测过程与结果进行研究，得到数据挖掘算法与股票技术指标预测的最佳组合方式。针对股票交易数据的特征提出了相应的数据挖掘模型；首先对异常数据进行整理、选择交易数据某些特征作为测试属性；然后对决策树分类算法和贝叶斯分类算法进行调整后，将数据集进行分类运算，得到分类规则，最后对分类结果进行实际检验。通过预测分析结果与未来的股票价格走势结果对比得出结论：使用数据挖掘中的分类算法对股票价格走势进行分析预测是有效的、可行的。利用数据挖掘中的分类与预测算法对股票技术指标进行分析、挖掘，并能生成关于股票价格走势的技术指标最佳组合的分类规则，投资者利用分析出来的分类规则科学的使用股票技术指标，更准确的掌握股票价格走势，提高投资收益，降低投资风险。