股票预测是时间序列预测中的热门研究领域。作为一种股票预测的主要技术分析方法,尽管它在现实世界中被广泛使用,但在学术界基于K线模式的股票价格预测却有不同的选择。为了帮助解决争论,本文使用数据挖掘方法(例如模式识别,相似匹配,聚类和统计分析等)来研究K线模式的预测能力。实验结果表明,引起争论的原因之一是K线模式的定义更加开放且缺乏数学上的严格性。另一个是现有的K线图样中存在一些虚假的图样。此外,本文提出的方法不仅可以用来检验模式的预测能力,而且可以用于K线模式的挖掘和库存预测。因此,未来的工作方式如下。使用建议的方法来识别整个杂散模式将是一项必要且重要的任务。在提出的方法的基础上,我们可以研究一种自动模式挖掘方法,以发现更有用的模式以进行库存预测。