与证券市场飞速发展不相称的是证券分析技术进展的缓慢,证券分析中知识的自动获取已经成为制约我国证券分析发展的“瓶颈”。因此,我国证券分析软件的发展方向就是可验证与自我学习的智能型软件。在这种情况下引入基于数据挖掘技术的决策支持系统(DSS)进行证券投资分析成为一个必然的选择,论文对数据挖掘技术及其在证券分析中的应用进行了较深入的研究。论文首先分析介绍了决策支持系统产生的背景、定义和传统决策支持系统的体系结构及决策支持系统的发展概况,以及决策支持系统的相关技术――数据仓库、数据挖掘等技术,阐明了建立决策支持系统和数据仓库系统为证券分析智能化服务的必要性和可行性。其次分析了数据挖掘和证券分析的特点及研究现状。证券走势是巨量个别决策的综合结果,预测非常困难,因此论文提出了运用数据挖掘技术,实现从海量数据中提取有用信息的自动化方法,指出将数据挖掘应用于证券分析的可行性和迫切性,分析了数据挖掘技术在证券市场这种群体博弈环境下的特殊应用,并对一些数据挖掘方法做了相应的改进,提出了适用于证券数据分析的挖掘模型。论文最后提出了一个基于数据挖掘技术的证券投资支持系统(StockLogic系统)的设计方案,并加以了实现,给出了一个原型,对发现和总结证券市场运行的规律有着重要的现实意义,对证券投资参与者起到了辅助决策作用。该系统提供了一个集成、开放的证券分析系统框架,该框架模型采用功能模块的方式集成,提供各种接口,具有较强的扩展性。StockLogic系统提供了板块分析、股票关联规则发现、股票价格序列相似性挖掘图形化搜索等功能,具有很高的实用价值,并用上海和深圳证券市场的交易数据对系统的主要功能模块进行了测试。