定量選股方法
1，多因素回歸。
多因素模型直接將引起證券價格聯動的因素加入收益率公式，然後基於這些因素開發模型，簡化投資組合分析所需的證券間相關系數的輸入。模型的效果主要取決於因子的選取，即那些選取的因子是否足以證明證券收益之間聯動效應的根源在於那些因子對證券的* * *同時影響。
2.動量反轉選股
有效市場假說分為三個層次，即弱有效市場、半強有效市場和強有效市場，分別代表價格反映歷史信息、公共信息和所有信息。
動量效應是指壹個投資策略或投資組合的業績方向與形成期的業績方向壹致的現象。
反轉效應是指投資策略或投資組合的持有期業績方向與形成期業績方向相反的股價波動現象。
3.分類和回歸樹。
分類回歸樹是壹種數據挖掘技術，基於遞歸分割技術(常用於藥學研究)，包括分類樹和回歸樹:分類樹產生定性輸出，回歸樹處理定量輸出。
4.神經網絡
由於股市建模和預測處理的信息量往往是巨大的，對算法有嚴格的要求，其非線性動態特性也非常復雜，所以壹般的傳統方法往往難以預測股市。人工神經網絡不僅具有大規模並行仿真處理、全局網絡作用和非線性動力學的特點，而且具有很強的適應性、自學習性和容錯性，具有許多傳統建模方法所不具備的優點。它不需要預先知道被建模對象的參數、結構和動態特性，也不需要太多被建模對象的經驗知識。只給定對象的輸入輸出數，通過網絡本身的學習功能就可以實現輸入輸出之間的映射。