随着计算机技术的高速发展，计算机的应用已渗透到人们工作和生活的各个领域。股票分析在金融投资领域占有重要地位，而基于数据挖掘技术对股票价格进行分析和预测则为古老的股票分析行业增添了新的活力。 本文针对股票分析技术与计算机技术综合应用方面进行了研究，得到一些有用的结论，在以下几个方面进行了一些研究工作： 研究了决策树算法在日线数据分析中的应用。在对均线进行比较时，改变了普通的大小比较方法，而将是否突破均线作为研究重点。建立了决策树模型，并且得到“在股票趋势向上时，突破十日均线可以作为买入依据；在股票趋势向下或走平时，突破均线对股价影响有限”的结论。 研究了神经网络算法在技术指标分析中的应用。对不同范围内股票的技术指标进行了归一化处理，取得了较好的效果。建立了神经网络模型，提供了股票趋势向下时，获取较高成功率的解决方案。 对研究结果进行了测试，给出了对应的提升图和分类矩阵，直观的提供了对研究结果的评价依据。 研制了基于数据挖掘的证券投资决策支持系统。利用SQLSERVER2005强大的数据分析功能，结合WEB技术，设计了合理的应用框架和解决思路。基于数掘挖掘技术，依靠计算机的计算能力和处理速度大大缩短对数据的处理时间，并且比普通股票分析软件增加了预测功能。为普通投资者提供了简单、实用、高效、安全稳定的分析工具，具有一定实践价值。 利用证券投资决策支持系统，从免费的股票软件中获取股票数据，给使用者提供了方便，节省了开支。设计时人性化处理，尽量把软件实用化，简单化，让普通投资者不需要了解复杂的专业知识就能使用这一工具。