证券市场是市场经济的重要组成部分,证券市场的发展不仅关系到国家经济的繁荣而且关系到个人投资者的收入情况。因此,对股票走势进行有效的预测有着重大的理论意义和实践价值。然而,受社会多方面因素的影响,证券市场的行情及规律十分复杂,采用传统技术进行预测,效果不甚理想。本文主要研究采用数据挖掘的方法在证券市场中挖掘潜力股。关于数据挖掘技术在证券分析中的应用,国内外专家学者已做了不少研究,但依然处于探索阶段,缺乏对实际应用具有指导意义的研究。针对股票信息具有非线性、多层次等特性,本文在总结前人成果的基础上,对BP神经网络这一数据挖掘技术在潜力股挖掘方面的应用进行了系统的研究,并通过实例分析验证其预测的准确性,从而证明了其在股票预测应用方面的可行性。针对股票信息还具有不明确、不完整且连续、隐藏规律等特性,本文引入了灰色系统理论进行了更深入的研究,通过对灰色系统理论与BP神经网络的互补性分析,将两者进行结合,提出了灰色BP神经网络这一新的预测方法,实现了对BP神经网络的改进。本文将GM模型与BP神经网络相结合构建了新的预测模型,并应用在股票价格预测中,通过实例研究验证了改进后的灰色BP神经网络在预测准确性方面有较大提高,从而说明了其在潜力股挖掘方面的先进性。