随着计算机信息系统的日益普及,对时间序列数据进行分析处理,从中挖掘出蕴藏在数据信息背后的客观规律,对现实有着十分重要意义。时间序列数据挖掘就是为解决这一问题而出现的一种新型数据分析技术。利用时间序列数据挖掘技术,得到数据中蕴含的与时间相关的有用信息,实现知识的发现与规则的提取。首先,从现实和理论两个角度提出研究问题。在论述研究背景及意义后,从国内外两个方面对异常数据挖掘研究进行综述,并讨论了异常数据挖掘应用的研究现状,最后阐明本文的研究内容及基本框架。其次,介绍异常点、异常数据挖掘的基本概念,常用的挖掘算法以及算法之间的区别和联系,分析了异常数据在股票市场中的表现以及产生的原因。在以上基础上,阐述异常数据挖掘理论在股票市场中的应用,即界定股票市场异常数据的检测,及判断标准。然后,将提出了新的时间序列异常检测GDD算法应用到股票市场,挖掘时间序列数据隐含的信息,捕捉到了较多的模式异常和疑似异常,对研究股票市场稳定性有着重要的实际意义。实验结果表明本文所提出的时间序列异常检测算法能够有效地发现时间序列的异常波动。最后,为研究的内容提供一些建议,并展望了异常数据挖掘算法的后续研究方向。总之,时间序列数据挖掘的理论研究和及其在股票市场的有效应用还需深入研究,进一步的提高时间序列挖掘任务的效率和精度,需要进一步的探索。