股票分析往往依赖于对大量的股票历史数据的分析，如何通过股票的历史数据，对股票进行分析，从中挖掘出有价值的信息，一直是广大投资者所面临的难题。目前我国的股票市场常用的两种股票分析方法是基本面分析法和技术分析法，随着股票市场所积累的金融信息越来越多，应用传统的基本面分析法和技术分析法对股票进行分析，无法有效的处理大规模的数据，也难以从大量的数据中主动的发现各种潜在的有用信息和有效的规律。数据挖掘技术为股票分析提供了有效的途径。本文结合股票的特点和股票分析的需求，运用数据挖掘技术对股票分析所需要解决的选择股票和选择投资时点的问题进行了研究，主要分为三个阶段：首先对如何通过关联规则分析挖掘影响股票涨跌的关键因素进行了研究，最终挖掘得出影响股票涨跌的关键指标。随后基于关联规则分析的结果，对目标数据股票进行聚类分析，从而得到股票的聚类，为投资者寻找值得投资的股票组合。最后针对股票投资和分析中所面临的择时问题，应用神经网络算法进行预测，通过实验对不同的神经网络算法进行比较，并分析不同算法的优缺点和适用情况，实验结果表明RBF-BP组合神经网络算法可以较好的对股票价格走势进行预测，具有一定的实战意义，为股票分析以及股票投资中的投资时点的选择提供有意义的参考数据。通过实验结果表明，本文通过应用数据挖掘技术，对股票分析进行的研究，在一定程度上解决了传统的股票分析方法的缺点，为股票的投资分析提供了有价值的参考方法。