论文范文 如何利用AI大模型挖掘沪深300中被低估的股票？——关键指标与筛选逻辑全解析

How to Use AI Large Models to Identify Undervalued Stocks in CSI 300? — A Comprehensive Analysis of Key Indicators and Screening Logic

1. 引言

价值投资作为一种主流投资理念，在西方成熟市场已得到广泛应用，并逐渐受到中国股市投资者的青睐 [6]。其核心在于通过基本面分析，寻找市场价格低于内在价值的证券，并长期持有 [30]。然而，由于国内外股票市场和上市公司素质的差异，直接应用价值投资理论备受争议 [6]。传统的价值投资方法依赖于历史数据和基本面分析，但在信息爆炸的时代，这些方法可能存在局限性。例如，传统方法可能缺乏前瞻性，难以有效处理非线性关系，并且难以捕捉市场情绪和宏观经济因素的影响。此外，传统方法依赖专家经验，效率低且易受人为干扰 [24]。
近年来，人工智能（AI）和大模型技术在金融领域的应用日益广泛 [43]。AI通过海量数据挖掘与实时动态分析，打破了传统投资的信息不对称性 [19]，为股票预测和选股提供了新的路径和思路 [24]。多因子模型作为一种量化投资策略，通过结合多个因子来预测资产的未来表现，帮助投资者做出更明智的选择 [12]。AI大模型可以应用于多因子模型的构建中，例如因子挖掘、权重优化等方面。在2025年，AI驱动的量化模型在股票投资中的渗透率预计将超过60% [19]。
将机器学习应用于股票预测是当前的研究热点，其关键目标是识别出市场的潜在规律，为企业和个人的财务决策提供可靠的参考，最大限度地减少投资风险并提高收益 [42]。不同于传统的统计学方法，机器学习通过强大的自学习能力，可以不断更新预测模型，以更准确地反映当前市场的动态变化 [42]。例如，长短期记忆神经网络 (LSTM) 可以应用于股票价格预测，通过处理时序数据的优势捕捉价格数据中的复杂模式和非线性关系，挖掘股票历史价格数据中隐藏的波动信息 [1]。
将AI技术应用于A股市场挖掘低估股票具有重要的意义和价值 [6]。一方面，AI可以提升创新评估的效率和准确性，例如利用多智能体系统在信息处理、风险评估和投资组合优化等方面的优势 [30]。另一方面，AI可以辅助投资决策，例如构建基于多智能体系统的A股投资决策辅助工具，通过多个协作智能体来分析市场数据、计算股票内在价值、分析市场情绪以及基本面数据，从而生成交易信号 [18]。止于至善投资等机构也看好AI科技浪潮带来的投资机会，并通过AI技术切实赋能投研工作，坚定践行主观、量化与AI相融合的价值投资策略 [25]。