随着我国股市规模的不断发展壮大，股市参与者出现了爆炸式增长的势头。从我国现阶段股民的组成结构来看，大多数投资者是属于专业知识薄弱的中小股民。为了正确引导股市投资者的价值取向，减少盲目投资造成的资源浪费，这就需要为广大中小股民提供切实可行的投资指导。当前的股票推荐方法主要集中在两类，分别为基于股评的在线股票推荐方法和基于数理分析的股价预测模型，它们拥有各自的优势，但缺陷也相当明显，前种方法不能满足股民个性化股票推荐的需求，后种方法应用过程较为复杂，很难被投资者理解并掌握。因此，股票个性化推荐方法的研究成为当下重要的课题。近年来，电子商务呈现蓬勃发展的新局面，个性化推荐方法被广泛应用于电子商务领域来针对目标用户进行商品推荐。股票可以被看作是一类特殊的商品，基于此，借鉴商品个性化推荐方法的核心思想来构建股票个性化推荐模型是一个可行的思路。本文在充分研究国内外关于推荐方法文献基础上，提炼出了商品个性化推荐方法的核心思想。通过对原有推荐方法进行改良和创新，构建了股票个性化推荐模型。建模思路分为两个步骤：首先，构建股民特征指标体系并运用模糊聚类方法来进行股民群体细分；其次，运用图论和信息最大化保留思想来改进原有推荐方法，建立了基于模糊聚类的股票个性化推荐方法。完成建模过程后，本文首先运用仿真模拟方法来建立运用于实证过程的股民-股票评分数据库，然后，运用编程方法来实现股票个性化推荐流程。最后，将本文推荐方法与基于协同过滤技术的推荐方法和随机推荐方法进行推荐精确度和推荐误差方面的比较分析，得出本文的股票个性化推荐方法具有较高的推荐精度，是一种高性能的实时在线股票推荐方法。