我国的股票市场正在快速发展，并走向成熟化。随着股票市场的发展，股票数据曲线趋势的研究仍具有很强的应用价值。技术分析，作为证券分析中的重要组成部分，在国内外的研究己经达到了较高的水平。在信息技术不断发展的同时，新的理论和技术分析手段不断地被应用到技术分析中。目前，市场上有很多种类的股票分析方法，但都有各自的优缺点，存在各种各样的不足。通过对众多股票预测方法研究分析发现，大多股票分析方法都存在操作过程复杂、股票数据分析的不准确或不容易量化分析等问题。本文主要研究了数据挖掘在股价曲线的趋势预测。文章从上市公司的历史股票数据入手，应用数据挖掘中几种常用概念和方法对其未来股价进行分析，以预测该公司股价的未来变化趋势，并与实际趋势进行比较，分析其适用性。主要研究内容包括以下几个方面：文中首先介绍了数据挖掘技术与证券分析技术的基本内容并论证了数据挖掘在股市趋势预测中的可应用性。在此基础上研究了一些现有方法，包括时间序列方法和马尔可夫方法，并分别进行实验。应用时间序列方法预测时使用了一次移动平均预测法、一次指数平滑预测法和两次指数平滑预测法。根据实验结果，发现一次指数平滑预测法避免了一次移动平均预测法无法覆盖样本数据且无法判断样本数据影响力大小的问题，而两次指数平滑预测法避免了一次指数平滑预测法只适合于具有水平发展趋势的时间序列分析的问题。然后根据上述方法中避免缺陷的改进策略，分析马尔科夫预测方法的实验结果，找到其缺陷并提出了考虑成交量影响的马尔可夫预测法，提高数据覆盖率，然后对其进行实验验证。文章最后总结了所有方法，并提出避免新方法状态可能不存在缺陷的方法，以提高运算效率。从实验中可以看到：时间序列法预测计算量小，过程简单，但是误差较大；马尔可夫预测法预测准确度有所提高，但由于只考虑单一因素的影响，所以仍有改良空间；而成交量影响的马尔可夫预测法，考虑到了不同因素的影响，准确度最高，适合预测单一股票短期的价格趋势。文章中使用的方法都较为容易量化实现，且结果清晰，实际股价曲线趋势预测具有一定的参考价值。