随着我国金融机构改革步伐的加快,特别是我国加入WTO后,中国证券市场正在深受经济全球化及金融混业趋势的影响,证券行业的竞争也越来越激烈。在此背景下,如何快速有效地分析企业的经营状况;如何对客户进行细分,为不同的客户提供适合他自己的差异化服务;如何提高客户的忠诚度并吸引新客户;如何有效地分析并减少客户的流失情况;如何有效预测行情的走势,从而提高企业在整个证券市场的竞争力已是证券行业现阶段发展的迫切需求。针对这些需求,作者对证券行业现阶段所采用的信息技术特点以及数据特点进行了充分的分析,结合数据仓库技术在国内外的发展现状和在国内企业的使用情况,提出了在证券行业建立数据仓库,并将数据挖掘技术应用到证券行业的系统设计思想。本文首先系统地阐述了数据仓库技术、OLAP技术、数据挖掘技术的基本概念以及实现这些技术的过程。其次,根据对券商现有需求及现有数据特点的分析,对券商数据仓库的粒度模型、维度模型、系统结构及功能模块进行了设计,并以客户交易分析主题为例详细阐述了多维数据集的建立以及数据转换模块、管理控制模块、多维分析模块及多维数据前端展示的实现,从多角度、多方位为券商决策人员提供了快速有效的各种分析报表,提高了企业的市场反应速度和竞争力水平。最后,为了进一步发现隐藏在大量历史数据中的更深层次的信息及规律,本文将数据挖掘技术应用到证券行业。论文重点分析了Microsoft SQL Server 2000的Analysis Services中没有提供的关联挖掘模型,针对该模型的特点,对证券行业现有数据进行了预处理,并在此基础上实现了经典的Apriori算法,得到了较好的分析结果,对分析客户的购买喜好、开展一对一的个性化服务以及分析客户的投资组合等方面有很好的指导作用。同时,为进一步提高关联规则挖掘在证券行业的应用,论文还将一种改进的Apriori算法应用到证券行业,并对这两种算法的效率进行了讨论。