量化投资产生于1970年代末,在此后的30多年中,其得到了长足的发展。根据Bloomberg数据统计,从1998年至2008年,全球量化基金从21只发展到1184只。全球范围内,越来越多的投资者进入量化投资这个领域,量化投资已经成为一种主流的投资方式。当前,只要是对金融产品买卖投资行为的一个环节以上使用了量化技术(采用模型化、模式化、算法化、计算机程序化、自动化之一)就认为是量化投资了。因此在市场上有各种量化投资的说法,包括：量化选择金融产品、量化选择交易时间、算法交易、自动套利交易等等。相对于传统采用抽样技术建立数学模型的方法,数据挖掘技术更能反映具体金融产品交易的规律。针对金融产品投资的几个环节(研究市场和金融产品信息、研究该金融产品的历史交易、研究当前交易情况、预测未来交易、做出投资决定(买、卖、不行动)、分析交易效果),本文研究采用数据挖掘技术实现量化投资的方法,包括金融产品历史交易规律分析、交易序列模式库建设、产品交易价格的发展趋势预测、下单交易策略实现等金融产品投资主要环节的量化工作。本文的主要研发成果为：设计了一种基于数据挖掘的量化投资软件的框架,包括金融产品历史交易数据整合与挖掘、交易模式挖掘和模式库管理、产品交易价格预测与交易决定以及自动下单交易策略等内容,系统地实现了金融产品投资主要环节的量化工作。在原子交易模式的基础上,设计了TOP-K原子交易模式数据挖掘程序,设计实现了基于交易模式的金融产品聚类算法,实现了一种自动下单交易的方法,开发了一个基于数据挖掘技术的量化投资系统。