当前,随着市场经济的繁荣发展,金融体系的不断创新,全球经济一体化格局逐步完善,更多的金融产品成为了人们的理财工具,而股票作为一种最普遍的风险投资理财产品,正在悄悄地进入人们的日常生活。股票是一种最具代表性的有价证券,股票数据分析及预测是当今世界的热闹课题。股票数据分析往往是依赖于对大量历史的交易数据进行预测,如何应用好这个与日俱增的庞大的历史数据,从中挖掘出在价值的规律,是每位投资者比较感兴趣的话题,也是股票预测面临的最大难题。目前比较成熟的基本面分析法和技术面分析法对变化多端股市,经常还是无能为力。本文从股市的实际特点出发,应用已经成熟的数据挖掘技术,把上市公司的主要财务数据指标作为属性,应用ID3决策树算法进行分类,并针对ID3算法存在的问题,提出了改进算法,改进后的属性值信息增益深层递归ID3算法及加权平均法确定参数权重的领域知识优选策略对个股进行分析,挖掘出个股之间内在的有价值的规律；另外,把关联规则算法运用在股票的“板块联动”规律上,并针对经典Apriori算法存在的一些缺陷提出了改进,改进后的Apriori算法更加灵活,更适合挖掘不同板块之间的关系。实例证明,改进后的算法能够更好的针对股票数据进行挖掘分析,而且算法的执行效率上也有了明显的提高,在一定程度上弥补了传统分析法的缺点,为投资者提供了有价值的股票数据挖掘方法。