数据挖掘是从大量的、不完全的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的过程。数据挖掘是一类深层次的数据分析方法，被认为是解决“数据爆炸知识贫乏”的有效方法之一。它是一门涉及面很广的交叉学科，包括人工智能，机器学习、数理统计、数据库、模式识别、粗糙集、决策分析等相关技术。自从1989年这个概念在国际人工智能联合会议上提出来之后，短短几十年，已经广泛地应用于各行各业。数据挖掘应用于证券分析，可以对证券行业的数据进行分析、建模和预测。 本文主要研究了数据挖掘技术在分析开放式基金收益影响因素方面的应用。所做的主要工作有两方面，一方面是对数据挖掘技术的深入学习，其中主要是对关联规则及其算法进行深入学习同时也对统计方法稍做学习；另一方面则是对通过关联规则以及统计方法中的回归分析对搜集的数据进行挖掘并对挖掘结果进行研究分析，找出影响开放式基金收益的主要的因素并通过建立模型来验证。