数据挖掘研究如何从大量的数据中获取对决策有帮助的知识。粗集理论是分析和处理各种不精确、不完整信息的数学工具,已成为数据挖掘研究的重要分支。随着证券市场的不断发展,在证券信息数据库中积累了大量历史交易数据,如何充分利用这些历史数据探寻证券市场自身的运动规律,成为人们关心的问题。探索了基于粗集理论的股票价格预测方法。研究了相对差异比较表的化简算法和基于相对差异比较表的属性约简算法、值约简算法,对现有的属性约简算法进行了改进,使其在属性约简过程中充分考虑到相对差异比较表行、列两方面提供的信息。提出了综合考虑技术指标应用的极端值、背离、交叉、失效四个方面来确定决策表的条件属性,将三日后股价的涨跌幅作为决策属性,使提取的规则具有预测功能。研究了针对新构建证券信息决策表连续属性的离散化方法,在利用云变换方法对连续属性进行离散化时,充分注意到技术指标自身的特点,在实际应用中取得了较为满意的结果。设计并实现了该知识发现系统。系统由用户界面、后台数据库、数据预处理和规则抽取四个模块组成,利用VC在Windows平台上编程,取得了较为满意的结果。最后,探讨了进一步值得研究的方向。