随着我国社会经济领域信息化水平的不断提高，信息的收集处理已经成为影响决策的重要因素，信息系统和数据挖掘工具已广泛应用于提高科学决策水平，但在我国金融市场中投资者还没有得到有效的信息获取和数据挖掘等技术方法的支持，这主要体现在金融数据挖掘技术研究者往往在金融数据的全面获取方面存在诸多困难。　　本文着力于面向服务架构（SOA）的金融数据挖掘关键技术，针对金融数据挖掘的架构与开发、数据的存储与管理以及金融数据挖掘技术方法等几个方面展开研究。主要工作包括：　　1、基于SOA的金融数据挖掘体系架构研究　　基于SOA，设计了金融数据挖掘的体系结构，提出了5层架构模型，分析了每层的作用和功能，研究了金融数据挖掘的分布式部署和管理，给出了系统主要对象的形式化定义并讨论了它们之间的关系，描述了主要用例和它们的工作流程。　　2、基于SOA的金融数据挖掘软件开发研究　　在SOA架构下，我们提出了基于虚拟团队和微内核的软件开发模型，给出了微内核搭建式系统开发的方法保证了系统的开放性和扩展性，使得所有对系统感兴趣的人都可以参与到系统的完善过程。针对自然语言描述金融数据挖掘模型的缺点，设计了简单金融数据挖掘模型形式化方法，论述了基于网络社区的虚拟团队进行软件开发的可行性和实施办法。　　3、金融数据仓库和元数据管理研究　　设计了金融数据仓库的分布式存储模型，定义了金融数据仓库的基本管理对象，给出了金融数据对象及其元数据的概念模型，增强了对金融数据对象的语义方面的理解。　　4、基于人工神经网络的金融数据挖掘方法研究　　研究了金融时间序列相关性，提出了函数相关的概念，给出了快速确定相关函数的人工神经网络模型；对股票价格波动的特点进行研究，提出了股票数据预处理的HLP法，并建立了股票价格波动预测的人工神经网络模型；研究投资组合的指数跟踪方法，设计了基于自组织神经网络的股票聚类模型，运用该模型对投资组合优化问题进行的实证分析表明，取得了良好的指数跟踪的效果。