随着全球经济的迅猛发展，知识的占有逐渐成为市场经济主体成功角逐市场的关键，然而这种知识绝然不同于平常意义上的知识，它必须具有开创性和可靠性两个基本特征，开创性是指知识是新发现的，可靠性是指知识能积极辅助判断和决策的品质。 针对知识的获取，本文利用上市公司披露信息数据库为平台，系统地研究了数据挖掘中的关联规则挖掘和神经网络方法，建设性地运用数据挖掘方法去获取基于上市公司的知识，克服了国内以往数据挖掘研究“极大忠诚于外国文献”、重理论轻实践的缺点，生动、形象地展现了基于关联规则挖掘和神经网络方法的知识发现过程。 在实证研究中，通过挖掘出的有趣规则——“上市公司被处罚→上市公司被特别处理”，我们获得知识——“如果某上市公司被处罚，那么该上市公司未来有80％的可能性会出现财务危机”。这为投资者和监管部门的决策提供了有用信息。通过对把神经网络方法应用于财务风险识别的研究，我们不仅把模型的仿真度提高到100％，而且显著提高了财务状况特征识别准确率。这将为神经网络模型运用于社会科学领域提供了切实可行的经验。 理论上而言，研究不仅把数据挖掘和上市公司的知识发现联系在了一起，而且，前所未有地，就数据挖掘在上市公司知识发现中的运用做了比较系统的阐述，抛砖引玉地把上市公司相关信息的数据挖掘工作呈现在人们面前，开拓出了一个广阔的实证分析领域。