本文应用粗集理论分别从管理者和投资者角度建立了投资决策的模型。一方面从投资行业的管理者角度出发，研究了投资行业的客户关系管理决策模型，并结合风险较高、竞争较为激烈的保险投资业建立了实例模型。文中应用新型数据处理工具——粗集理论来实现数据的分类、简化、规则提取。粗糙集理论处理数据时不需要了解数据的先验信息，而粗集的这一优点适用于现代投资行业对处理数据的客观性的要求。因为随着信息技术的飞速发展，经济的快速增长，国内国际竞争日趋激烈，投资行业中客户的高速流动、流失、客户生命周期的缩短等问题日趋严重，客户的不确定性、模糊性特点显著增强，无法找到有价值或价值长久的先验信息。基于粗集的数据挖掘技术可以帮助投资行业管理客户生命周期的各个阶段；挖掘数据间的内在规律，得到数据的最简规则表达；帮助行业确定客户的特点，进而能为客户提供针对性的服务；数据挖掘能够将客户按不同的属性分成不同的类型，行业因此就可以按不同类型的客户提供不同的服务。通过CRM的数据挖掘不仅为投资行业提供客户的管理决策，实现客户资源的有效管理，真正实现以“客户为中心”，提高客户的满意度。根据客户属性特征和决策规则我们可以发现新客户、保持老客户、服务好大客户，从而为行业的中长期发展提供战略决策。同时，CRM的数据挖掘也为投资者提供投资决策，投资者可以从数据的挖掘结果归类自己的所属群体，进而决定投资决策。另外一方面从投资主体出发——投资者的角度，研究了投资目标选取的决策模型，并建立了证券组合投资决策实例模型。在此模型中运用了两种不同的处理模糊和不确定性数学工具——粗集理论和模糊集理论。粗集理论处理数据具有很强的客观性，模糊集理论通过模糊综合评价可以将不确定性的知识得到量化结果。文中将两者处理数据的优点有机结合起来处理不完全、不确定性知识。从组合投资决策分析角度和投资者的决策规则出发，应用粗糙集理论，对不确定性证券组合投资风险决策的信息系统进行知识约简和对各风险因素权重分析、挖掘数据间的相互关系，得出各评价指标的客观权重，从系统数据中发现隐含知识和进行数据挖掘，并结合模糊综合评价的数学工具对投资决策进行综合评价，从而提高投资者的风险决策和判断能力。在投资决策量化方面做了一些尝试和探讨。通过实践结果表明文中所建模型是可行的和有效性的，对投资者有效地规避风险，提高投资决策能力具有现实指导意义。本文两个模型的研究即相互区别，又相互联系。随着市场经济的飞速发展，产业结构的立体化、投资主体的多元化进程加快。对于一个投资行业来说不仅是投资客体的管理者，同时也是其他行业的投资者。所以作为投资行业的客户关系管理决策和作为投资主体的投资目标的选取决策都是整个行业的重要决策问题。本文希望通过两方面模型的研究，为投资决策研究和数据挖掘技术做些尝试和探讨。