我国股票市场经历了近三十年发展,随着股票市场和股市制度的逐步完善,越来越多的投资者参与到股票投资中来。但由于股票市场风险高、门槛高,对于普通投资者而言,寻找简单易行的投资方式极为重要。股票市场受到多方面因素影响,金融系统中包含了繁杂而多样的数据,且数据间的相互关系和对股价的作用原理并无特定的标准,面对如此庞杂的信息,依靠人工或简单的统计分析来进行投资决策是十分粗浅的,数据挖掘技术的引用十分必要。数据挖掘技术利用一定的方法对数据量大、数据复杂程度高的数据进行处理,以从中提取出未被人们发现的、可信的有效信息,用于决策支持。将数据挖掘技术应用于股票投资,有利于降低投资者的投资风险、提高投资决策的科学性以及正确评估证券的投资价值。本文通过基于三种数据挖掘技术的实证分析来寻找价值投资方法下具有投资价值的股票。本文利用关联规则数据挖掘、决策树模型、神经网络模型,以上市公司的财务指标、公司内部状况指标、外部行业指标作为输入变量,以个股收益率超过大盘收益率的差额作为因变量,经实证研究发现,决策树、神经网络两种模型在提升选股能力方面均有一定的预测效果;财务指标、公司内部状况指标、外部行业指标同股票的涨跌之间确实存在着关系;神经网络模型优于决策树模型。