改革开放以来,随着我国经济的快速发展,股市应运而生。我国股市自成立以来,历经了风风雨雨之后,伴随着成长,逐步发展壮大。并且随着人民生活水平的日益提高,人们手头闲置的资金也越来越多,投资需求日益旺盛,投资意识和金融意识也日益增长,投资方式也越来越多样化。股票市场由于其高风险高回报的特性,长期以来,不断吸引人们投入到其中,逐渐成为许多人投资的重要手段之一。越来越多的人将手头的资金投入到股市,以期获得较为可观的回报。然而由于专业知识的缺乏、信息的不对称性等等原因,人们对于股市的投资往往带有盲目性、投机性,很难获得可观的收益。因此,对于股票市场,寻求一套有效的方法,降低人们投资的风险,同时提高人们投资的收益就显得非常重要。在股票市场中,时刻都会诞生大量的数据,上市公司也会定期发布大量的财务数据,如何有效地利用这些数据,减少投资者的投资风险,从而给投资者带来较高的回报便成为了一个非常值得分析研究的问题。上市公司定期发布的财务报告数据具有较大的信息含量,这些信息含量包括各种财务比率指标。综合这些财务指标,能够一定程度上反映公司整体的经营运行状况,有利于投资者判断公司的内在价值,从而有助于投资者更好地判断上市公司股票的投资价值。对于中长期的投资者来说,如何利用这些信息来判断股票的未来投资价值,显得尤为重要。而本文试图通过数据挖掘技术,来研究上市公司公布的财务比率指标和股票投资价值的内在联系,期望挖掘出财务数据中有用的信息,从而对股票的投资价值作出更好的判断。传统的统计模型对于数据有较高的要求,对于数据的假定较多,要求过于严格,实际中的数据往往很难达到这种要求,而数据挖掘技术对于数据的要求相对较低,能够相对较好地处理非正态、非平稳、高噪声的数据。数据挖掘通过结合统计学、机器学习和人工智能等技术对于处理海量数据和高频数据往往能够达到不错的效果。另外数据挖掘还能够对不断获得的新数据进行模型的动态更新,非常适合应用于新环境。数据挖掘是当今国际上统计学、人工智能和数据库研究方面最富活力的新兴领域,从大型数据库中挖掘有效信息的问题已经成为近年来数据分析研究领域中的一个新热点。股票投资风险与机遇并存,如何把握风险,使投资回报最大化是投资者追求的目标。在上市公司公布的财务数据以及股票行情数据库中积累了大量的历史数据,如何充分利用这些历史数据,为投资者提供决策依据,把数据挖掘方法运用于股市投资研究和探索变得很有意义。因此,本文尝试用数据挖掘中的方法来对上市公式财务数据进行分析,目的是发现公司财务数据和股票投资价值的联系,为投资者提供参考。本文基于国内外研究成果,介绍了数据挖掘的相关理论,并且引入数据挖掘的相关方法对上市公司定期公布的财务比率指标和股票价格变化之间的关系进行了研究分析。文章中用到的数据挖掘技术包括决策树分类、神经网络模型以及logistic回归模型三种方法,将三种方法运用于股票价值投资分析中,通过三种方法来研究上市公司公布的财务比率指标与股票投资价值之间的内在联系,并试图寻找哪些财务指标对于上市公司的股价的变化有较大的影响,并且对三种方法取得的结果进行评估和对比分析,比较各种模型进行实证分析时取得的效果,从而更好地判断股票的投资价值。文中建立模型时以上市公司公布的财务指标作为输入变量,为便于不同上市公司的比较,财务指标均选取财务比率指标。并为了综合反映公司的运行状况,从公司盈利能力、偿债能力、发展能力、运营能力以及现金流五个大的方面来选取指标,以更为准确的反映公司的内在价值。此外,以个股赢率作为目标变量建立模型。其中个股赢率为二元变量,当股票一年期的涨跌幅大于大盘指数的涨跌幅时取“1”,否则便取“O”。文章的思路便是以综合反映上市公司运行状况的财务比率指标为输入变量,以个股赢率为目标变量,来研究分析上市公司公布的财务比率指标和上市公司个股赢率是不是存在关系,如果存在关系,哪些财务比率指标对个股赢率的影响较大以及哪种模型预测效果较好,这些都是文章中要研究和解决的问题。