股票的趋势研究一直是股民关心的问题,研究的方法有很多。本文使用了数据挖掘的一个重要分支,关联规则方法来挖掘股票间的联动关系,统计3只股票带时序上涨的情况在过去的某个时间段中出现的次数。如果出现次数多,也就是支持度和置信度都较大,那么当“股票A第Ta天上涨且股票B第Tb天也上涨”的情况出现时,可以考虑在Tc天买入第三只股票。这里的Ta,Tb和Tc可取任意值。得出的规则可以用来辅助股票投资。本文的主要研究内容包括以下几个方面：(1)对国内关于股票方面的关联规则挖掘的相关文献进行分析和总结,对股票挖掘过程进行了深入探讨,对挖掘过程中的数据预处理、算法、关联规则兴趣度这三个方面已有的一些改进方法进行了概括和评价。(2)针对人们希望看到的“股票A在Ta当天上涨且股票B在Tb当天上涨,则股票C在Tc当天上涨,支持度是X%,置信度是Y%”这样的规则(Ta<Tb<Tc),提出了两种关联规则挖掘算法：算法一是基于时间窗口的关联规则挖掘算法,在股票时间序列上定义一个时间窗口,在时间窗口内循环查找2项集和3项集,通过时间窗口的移动寻找全部的2项集和3项集；算法二是bit-search算法,引入了比特串的概念,用比特串来表示连续的时间序列上股票的上涨信息。而比特串便于移位操作和逻辑运算,可较大的简化股票间的运算；也减少了需要的内存空间。根据结果的串的支持度计数是否满足最小支持度计数阈值,就能得到所需要的频繁2项集和3项集。(3)介绍了股票关联规则挖掘流程的设计以及对股票数据的预处理过程,进而将bit-search算法运用到股票数据挖掘中,并生成股票间联动规则。