随着计算机技术、人工智能、机器学习以及统计分析方法的有机融合和发展，数据挖掘技术得到了迅猛发展，且伴随着大数据时代的到来，传统的金融分析方法已经逐渐无法满足金融数据分析的应用和要求，采用数据挖掘的方法对金融时间序列数据进行分析逐渐成为了金融研究的潮流。在这一背景下，本文对金融时间序列中的股价时间序列数据进行挖掘建模研究，同时，鉴于目前特质波动率对股价趋势的预测这方面的研究还相对较少，因此，本文采用自定义的TBUD方法对股价时间序列进行集合划分，并采用支持向量机进行建模，研究集合的特质波动率属性对趋势的预测能力。本文的实证研究发现，TBUD方法所划分的集合之间的特质波动率属性差异并不显著，特质波动率无法对股价趋势做出准确的预测。本文提出时间序列上的拐点集合划分方法，摆脱从回归方程上来对时间序列进行预测，而是从数据挖掘的角度，研究拐点集合与趋势的相关性，为以后的研究提供一个新的方向。