数据挖掘(Data mining)是从大量的、模糊的、不完整的、有噪声的、随机数据中提取人们先前不知道的、但又是潜在有用的规则和知识的过程。数据生成和收集技术的进步促使商业和科研领域产生了海量数据集，人们都渴望掌握隐藏在大量的数据背后有价值的信息，通过深入分析数据，使他们能充分发挥作用。数据挖掘技术的不断发展，很好地解决了这一问题，在数据技术的发展中发挥重大的作用。本文利用数据挖掘技术，从证券行业海量的数据中挖掘其背后隐藏的价格变化规律，主要的研究内容如下：首先，采用数据挖掘中的关联规则技术对股票交易数据进行分析，根据交易数据的特点提出相应的数据挖掘模型，进行以Apriori算法为基础的关联规则的挖掘。对数据进行预处理，构造分析指标，利用Apriori算法挖掘各上市公司股票价格间的相互关联，通过对结果的分析表明：在股票的交易数据中使用关联规则算法对股票分析是有效可行的。为投资者的投资组合提供有意义的参考。接着，以时间序列分析原理为基础，针对股票数据的特点，选取ARIMA模型来对股票交易的历史数据进行分析预测，得出股票在历史时间段中的变化规律，并预测未来的价格走势，将时间序列的方法成功的应用到股票的预测中并取得了一定的效果，分析股票价格图表，为投资者提供理论依据，挖掘适当的投资时间。