本文主要研究了数据仓库/数据挖掘在股票市场分析中的应用技术,研究成果包括:1.设计了一个用于股票市场分析的基于数据仓库/数据挖掘技术的灵活易用的软件应用方案。应用这一方案,可以有效的将传统技术分析方法与数据仓库/数据挖掘技术相结合,快速方便的对各种技术指标进行分析、检验并且组合运用以预测市场走势。2.设计开发了完整的股票分析数据仓库逻辑和物理模型,以及相应的ETL程序。该模型可以有效的支持现有的分析需求,且易于对未来的新数据新方法做进一步的扩充,具有良好的可扩展性。3.提出并实现了定义、识别和表示股票价格相对高低的算法,该算法可以对股票价格变动趋势进行精确描述,这一点在对各种市场分析方法建模过程中尤为重要。4.对广泛使用的MACD、KDJ、RSI指标的效果进行了检验,确认了这些指标的有效性,同时也发现了一些传统分析方法上的误区。5.应用数据挖掘技术的关联规则算法和神经网络算法,建立了能对股票价格变动趋势进行提前预测的挖掘模型。并在实际检验过程中,证明了该模型的有效性。本文中的各项应用均基于微软公司的SQL SERVER 2005和VisualStudio.NET平台实现。