中文摘要：

本课题首次结合了软计算与统计方法，目的在于建立一种新型的股票交易智能系统。该模型融合了投资活动中的两个重要部分，一是投资组合选择，二是股票价格预测与买卖交易。在投资组合选择中，我们会提出新型的进化算法,并结合统计学中的现代变量选择方法LASSO，SCAD等进行投资组合优化研究。在股票价格预测与交易过程中，我们将融合半参数时间序列模型与数据挖掘方法，对股票价格的相关性与变动趋势进行预测；再把概率理论应用到一种新的人工智能方法基因网络规划中，从而对股票的买卖交易做出决策。我们将建立一种综合性的股票交易智能系统，既能对投资组合进行有效选择和风险控制，又能够对股票的交易时点进行判断，为投资者们提供良好的决策工具。该系统克服了传统预测技术以及现有人工智能技术的一些不足，充分结合了基础分析方法与技术分析方法的优势，在金融投资领域充分体现了其独特性和优越性，同时也体现了其重要的理论意义和现实意义。

结论摘要：

本课题首次结合了软计算与统计方法，目的在于建立一种新型的股票交易智能系统，以适应金融市场时刻变幻的动态环境。该模型融合了投资活动中的两个重要部分，一是投资组合选择，二是股票价格预测与买卖交易。在投资组合选择中，我们提出了新型的进化算法,并结合统计学中的现代变量选择方法LASSO，SCAD等进行投资组合优化研究。在股票价格预测与交易过程中，我们首先融合半参数时间序列模型与数据挖掘方法，对股票价格的相关性与变动趋势进行预测；再把概率理论应用到一种新型的人工智能方法遗传网络规划中，从而对股票的买卖交易做出决策。此外，我们在交易系统设计过程中充分考虑了风险因素，基于风险价值度（VaR）等进行了风险度量。我们建立了一种综合性的量化交易智能系统，既能对投资组合进行优化，又能够对股票的交易时点进行判断，还能对投资活动进行风险控制，为投资者们提供了良好的决策工具。该智能系统克服了传统预测技术以及现有人工智能技术的一些不足，充分结合了基础分析方法与技术分析方法的优势，在量化交易时代充分体现了其独特性和优越性，同时也具有重要的学术和实践意义。