时间序列存在于社会的经济、医学等很多领域，其中时间序列的趋势分析是一个具有重要现实意义的研究领域，因为人们掌握事物的发展趋势(内在规律)，就能利用这些规律制定相应的决策。传统对时间序列的分析多从系统的角度出发，而本文对时间序列的分析是从数据挖掘的角度出发。外汇汇率时间序列，往往含有较多的干扰因素，因此必须对原始数据进行平滑处理，尽可能的除去附加的干扰因素。为了能够对时间序列进行数据挖掘，必须从时间序列数据中抽取决定时间序列行为发展趋势的静态属性。上述静态属性都是连续数据，而本文采用粗糙集方法对时间序列进行数据挖掘，粗糙集处理的数据必须是离散数据，所以必须将连续数据离散化。经过处理得到一个适合于使用粗糙集进行数据挖掘的数据库。通过属性约简，可以删除信息系统中的冗余属性，这是对信息系统的整体而言；通过属性值约简，可以删除信息系统中的冗余属性值，这是对信息系统的每条决策规则而言。对于属性约简，本文采用一种高效属性约简算法，同时重点研究了属性值约简，并提出了一种改进的基于属性值重要性的粗糙集值约简算法，它是在原有启发式值约简算法基础上提出来的，而且通过实例分析验证了其在执行效率上有一定的提高。有效的外汇交易决策通常依赖有效的外汇预测，为此，开发了一个外汇预测与决策支持集成系统，该系统主要包括基于粗糙集的外汇汇率预测系统和外汇交易决策支持系统两个子系统。系统主要目的是给出短期外汇预测结果，并为外汇交易者和个人投资者提供外汇交易与投资决策。通过参数化和非参数化指标，对该系统做出了评价，验证了该系统具有优越性。