本文分析了目前我国股票市场分析预测方法状况及国内外数据仓库和数据挖掘技术在各个领域的广泛应用，以提供股票投资决策为目的，研究了将数据仓库技术应用到股票分析系统中，建立了面向分听、面向决策的数据平台，采用数据挖掘技术中的前馈神经网络预测时间序列的分析方法，对股票数据进行分析与预测，补充了现有技术分析存在的不足。主要内容如下： (1)对数据仓库和数据挖掘技术及其应用进行了讨论。并对现有的股票分析方法进行了综合分析，指出了不足，给出了基于前馈神经网络预测方法； (2)按照数据仓库的构建方法，对股票分析系统进行需求分析，将数据进行转换、粒度划分、分割等操作，实现了股票分析系统数据仓库的建立，除了可进行一般的查询、统计外，初步建立了分析和决策平台； (3)研究了多层前向神纤网络的结构和反向传播算法—BP算法，讨论了前馈神经网络对时间序列数据进行预测网络模型的一般建立方法及预测设计方法，并基于BP网络对股票数据进行实际预测，结果表明：当对样本数据(包括输入数据和目标数据)进行规范化处理后，预测精度明显高于传统方法； (4)对影响网络泛化能力的因素进行了讨论，并分析提出了通过股票数据分段处理的方法进行股票趋势预测，可提高网络的泛化能力，其结果表明预测精度明显提高。