近年来,数据挖掘技术在各个领域得到广泛的应用。它在处理海量数据,知识发现方面具有其他技术不可比拟的优势。股票交易数据量巨大,在这些数据中存在着一些隐含的规律。由于人脑处理数据的能力有限,所以很难发现它们。而数据挖掘技术恰好可以弥补这个不足。本文尝试用数据挖掘技术来对股票进行分析和预测。本文首先介绍了股票分析与预测的背景知识和方法,其次对数据挖掘理论做了深入细致的研究,然后着重从以下三个方面展开讨论。首先,重点对股票的财务数据指标进行研究,选取有代表性的财务指标,把决策树分类ID3算法应用到股票财务数据的分析上。投资者利用测试结果可以对上市公司的经营情况和获利能力进行分析。其次,利用关联规则挖掘股票间的连动规则。关联分析方法可以挖掘事务数据库中“项”与“项”之间的规则。股票数据是连续的数值型数据,而不是逻辑型的。本文应用事务间数值型关联规则挖掘算法E-QA来找出股票间的连动规则。最后,利用时间序列相似性搜索方法,查找出与选定股票走势相似的历史股票数据,以此预测股票未来一段时间的走势。股票价格走势往往有很多规则,而这些规则经常反复的出现。如果能够找到和选定股票走势相似的历史数据,就可以以此作为投资的依据。