近年来,随着计算机技术的发展和数据库技术的广泛应用,各行业都积累了海量的、以不同形式存储的数据资料,要从中发现有价值的信息或知识而达到为决策服务的目的,就成为非常艰巨的任务,数据挖掘技术应运而生。与此同时在现实生活中,我们发现大量数据集都带有显式或隐式的时间特性,因此时态数据挖掘的研究逐渐成为一个新的热点。由于时态数据的都有较强的时间性,即数据会随时间的变化而变化,原先已经挖掘出来的知识或模型可能不再有效,就需要重新挖掘,但这样原先的工作就白费了。因此,我们提出了一种时态约束下增量式关联规则挖掘算法,随着新数据的产生增量式地更新关联规则集,尽可能地只处理新数据并充分利用原先挖掘的规则。该算法主要是根据时态事件模型和序列模型以及Apriori原则,快速更新算法思想基础上产生的,在实际应用中有很大的意义,不仅能对股票数据,也可对如银行数据,超市数据,气象数据等时态数据进行分析和研究。本文还结合了股票k线理论,将增量时态关联规则算法运用到股票数据关联分析中,最后得出了一些有趣的关联规则从而指导投资者选择投资策略。