本发明公开了基于用户协同过滤和聚合统计相结合的个性化推荐方法，其推荐方法分别由数据预处理模块、用户相似性计算模块和基于significant聚合统计的二次排序模块组成，其通过数据预处理模块对原始的用户自选股和持仓股数据进行处理和权重预计算，得到处理后干净的用户股票数据集以及用户稀疏向量并存储入库；本发明涉及数据信息处理技术领域。该基于用户协同过滤和聚合统计相结合的个性化推荐方法，其个性化item推荐的过程中完全不需要人工提取复杂特征与人工标注数据，提前的预计算处理加快了推荐的性能，用户的行为数据可以近实时反映到推荐结果中，可以动态推荐和用户当前兴趣最相似的用户群体所感兴趣的item，完全满足工程应用。