数据挖掘是一项较新的数据库技术，它基于由日常积累的大量数据所构成的数据库，从中发现潜在的、有价值的信息—称为知识，用于支持决策。数据挖掘技术可用来进行关联分析、分类、聚类、预测、孤立点挖掘等。　　股票市场在我国产生以来不断成长，逐步成为证券业乃至整个金融业必不可少的组成部分，成为投资者、管理者和经济学者共同关注的热点。因而对股票市场走势的分析和预测具有重大的理论意义和可观的应用价值,但传统的线性统计预测模型的预测效果并不理想。随着非线性理论和人工智能技术的发展，小波分析和小波网络等成为金融市场强有力的分析和预测工具。　　本文致力于研究将小波网络引入数据挖掘技术以便对股票市场进行预测。在研究了股票分析技术、数据挖掘技术、小波网络的构造和学习算法的基础上，给出一种新的小波网络构造学习算法，建立应用于股市预测的非线性组合预测模型。主要工作如下：　　1、通过对影响股市价格波动的因素、股票现行预测方法的分析，论证了通过小波网络来对股市行情这种非线性的动力系统进行预测的必要性。　　2、通过对数据挖掘的相关背景知识进行研究，论证了数据挖掘技术是非常有应用前景的一种数据库技术，用此技术可以来对历史数据进行分析，以便预测数据的未来趋势。　　3、通过对小波网络的背景知识学习，给出一种新的小波网络的构造学习算法。通过实验，验证了此算法的有效性，并应用基于此算法的小波网络建立非线性组合预测模型，给出预测模型的原理和评价标准，选取训练样本对网络进行训练，得到合适的网络结构和组合函数后，对股市进行预测。