证券分析是证券投资领域的基础工作，如何在证券市场获利并降低投资风险，是每个投资者都关心的话题。关于证券投资分析的方法，国内外的有很多定量、定性的分析理论和实际作法，这些理论和实践各有其特点和应用范围。本研究试图将数据挖掘技术和传统的灰色系统理论结合，应用这种基于灰色系统理论的数据挖掘(我们称之为灰色挖掘)的技术来指导证券分析研究。 目前数据挖掘以及灰色系统理论在证券分析中的应用，国内外学者都做了不少研究，但是研究的层次还不够深入，所用到的挖掘方法也很有限，具有指导意义的实际应用就更少了。至于灰色挖掘的应用则更是微乎其微，甚至灰色挖掘本身这个概念都是作者第一次用到。作为一种新的尝试和探索，本文在总结前人成果的基础上，将一些成熟的数据挖掘技术结合灰色系统理论，构建了一套灰色挖掘体系，对灰色挖掘进行了系统地阐述；同时提出和改进了一系列灰色挖掘模型。这些模型包括灰关联模型、灰聚类模型、灰预测模型、灰神经网络模型、灰马尔可夫模型、灰序列模型、增长率和发展态势挖掘模型等等。除此之外，作者还将这些模型应用于证券分析领域，分别在证券分析领域的基本分析方面和技术分析方面做了卓有成效的实证应用研究。 我相信我的这些研究既是对灰色挖掘的应用创新，也是对传统数理统计技术在证券分析中应用的有益补充。