证券投资市场已经成为现代经济活动的重要组成部分,它正吸引越来越多的的投资者参与其中。证券市场是个高风险高收益的投资领域,对其进行技术分析具有重要的意义和应用价值。证券时间序列中蕴含了大量潜在的知识以及事物发展的规律,美国人艾略特(R. E.Elliott)在大量观察的基础上发现了艾略特波浪理论,艾略特波浪理论认为证券市场的波浪与自然界的事物运动一样,都有着其内在的规律,在数学上有很多相似的结构。艾略特波浪理论产生于20世纪30年代的美国,它很完美地描绘了股市的运行方式。艾略特波浪理论已经成为了重要的证券市场的技术手段,由于艾略特波浪的数浪比较复杂,用肉眼很容易出现误判,少判等现象。不同的人运用艾略特波浪理论可能会产生完全不同的结果。本文使用计算机的方法来识别股市中的艾略特波浪模式,并使之符合一定的数学关系。股市中领先滞后效应由来已久,本文应用K-means聚类算法证明了艾略特波浪的产生也存在领先滞后效应。运行系统,以艾略特波浪典型循环模式为例,在证券市场中随机收集大量的艾略特波浪典型循环模式。对出现艾略特波浪典型循环模式的时间段,作k-means聚类分析,结果表明在中国A股市场存在艾略特波浪典型循环模式滞后效应的。由于股市存在滞后效应,并且存在一定的关系。本文运用基于案例推理技术(CBR)来对股市的走势进行预测。基于案例推理技术是一种重要的人工智能方法,它的基本思想是经验的再利用。案例的元素主要包括成交量、价格、相对强弱指标以及移动平均指标等。为了快速找到新问题的答案,用k-means聚类分析得出的结果建立案例搜索的索引表,遇到新的案例将优先在这些股票中寻找问题的答案。案例库和索引表都是存放在SQL Sever2005中,整个系统的结构是MATLAB+ODBC+SQL Sever。新案例与旧案例匹配采用NN算法,相似度越高,预测的结果准确率就越高。