股票市场是经济的"晴雨表"和"报警器",其作用不仅被政府所重视,而且受到广大投资者的普遍关注.对其预测方法的研究具有极其重大的应用价值和理论意义.但是由于金融市场的内部结构复杂,外部因素多变,进行金融预测的任务十分艰巨,传统的预测工具越来越显得力不从心,提襟见肘.时代呼唤新的方法.数据挖掘与知识发现技术是近年来新兴的技术热点,它汇聚了不同领域的研究者,尤其是数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员,投身到数据挖掘这一新兴的研究领域.如何将这一新兴的高新技术更好的应用于金融领域,改进现有的金融预测技术,带着这些疑问,作者开始了深入的理论研究.并取得了如下几方面的成果:1)深刻分析了效率市场假说及对其的反对理论,为金融预测技术提供了经济理论支持,指出了金融预测技术的可行性.2)从谓词的角度重新定义了传统的关联数据挖掘方法RDM,并从谓词的角度深刻分析了RDM的方法论本质.3)详细分析了传统的关联数据挖掘RDM、神经网络与MMDR算法各自的弱点,并就它们应用于金融领域存在的问题进行了深入分析.4)提出了基于MMDR算法的改进算法,并且将其结果与神经网络进行了巧妙的结合.结合的要点在于改进的MMDR算法可以为神经网络选择输入与输出节点.5)通过SP500指数进行实证检验,效果良好.总之,作者通过三年的金融市场研究,就知识发现为理论背景,说明知识发现方法在金融市场预测方面的可行性.同时,作者基于两种强大的知识发现方法进行深入的研究,并巧妙的将他们组合在一起,取长补短,充分的发挥了两种方法的长处,避免了短处,从而更加有效的发挥了知识发现方法的威力,为现有的金融预测技术再添一枚利器.