证券市场不仅是国家经济的“晴雨表”,更是企业融资和广大股民投资的重要手段,对证券的预测分析无论对散户投资者、企业还是政府相关政策的制定都具有重大的理论与现实意义。　　 数据挖掘研究如何从大量的数据中获取对决策有帮助的知识。随着证券市场的不断发展,在证券信息数据库中积累了大量的历史数据,如何充分利用这些数据探寻证券市场自身的规律,成为人们关心的问题。　　 本文围绕证券预测分析,以通过数据挖掘寻找证券数据背后隐藏的信息,辅助投资者决策支持为主要目标,主要的研究内容和工作包括:　　 (1)关联规则挖掘　　 本文使用Apriori算法挖掘股票交易的关联规则,本文挖掘得到的关联规则包括股票间关联规则、含时间约束的股票间关联规则和股票交易时间序列关联规则三类。　　 (2)离群点挖掘　　 本文通过挖掘股票行情时间序列数据库中的离群点,发现股票的走势有自身的规律,局部的行情走势会重复出现。　　 (3)股票行情预测分析　　 本文将股票中的价格时间序列转换为涨幅时间序列进行分析,将股票的行情预测问题转化为分类问题,并使用k最近邻算法(KNN)进行股票的价格趋势预测。　　 (4)证券行情预测系统　　 本文将数据挖掘与证券预测分析相结合,针对股票投资者的实际需求,设计并实现了一个证券行情预测系统,该系统通过对证券数据的采集、清理和分析,得到股票的关联规则和股票行情预测等信息,从而为投资者做出决策提供帮助。