股市中存在大量数据,投资者需要对这些数据进行分析和利用,数据挖掘的产生给股市分析带来了新的方法。关联规则挖掘发现大量数据中项集之间的有意义的关联或相关联系,是数据挖掘中的重要领域。股市中存在一种显著的板块联动现象,即属某一基本面类别或同时具有某一概念国素的一类股票所呈现的齐涨齐跌的现象。本文基于关联规则对股市板块指数建模分析并进行算法研究,分析股市中的股价趋势与行业关系,有助于投资者选取投资组合和进行合理决策。本文介绍了数据挖掘和股市的背景知识,分析了数据挖掘在股市分析中的意义,综述了当前数据挖掘的各项主要功能在股市挖掘中的应用,指出了股市中板块分析对投资者的价值。经典关联规则算法Apriori需要频繁扫描数据库,且产生大量候选项。本文对该算法进行了改进,提出了采用垂直数据格式的布尔矩阵,增加标志位,同时改进产生候选项的连接方法。然后将改进算法应用于股票板块指数分析,探索了股市各板块之间的关系,并对结果进行了分析,阐述了如何选取有价值的规则。时序关联规则可以发现各项集的时序关系,可以用来分析各板块的涨跌时序关系,本文对经典时序算法E-Apriori和EH-Apriori算法的时间窗口技术进行分析,并综合对Apriori的改进,提出了时序挖掘的改进方法,然后应用于板块指数挖掘,并对结果进行分析,挖掘出来的板块指数之间的时序联系对投资分析有一定的价值。最后,本文构建了原型系统对以上算法进行了验证,允许用户设置各项参数,并进行数据和结果的展示,验证新算法的实用性。