随着中国股票市场日渐繁荣以及经济高质量发展,越来越多的投资者选择股票投资以寻求超额收益。然而股票投资是高风险高回报的,盲目的投资,可能导致投资收益不理想,甚至带来经济损失。因此,科学有效的股票投资策略是投资者关注的重点,而合理的股票选择决策是股票投资策略的关键。在众多投资策略中,投资者倾向于选择具有投资价值的股票,期望获得超额收益。目前,价值型股票投资方式主要分为两种:一是大多数个体投资者通过定性分析股票的基本面选择具有价值的股票进行投资,作出的决策很大程度上受到投资者个人情绪的影响,容易造成投资失利。二是依靠计算机和数学模型的量化投资方式,这种方式通常忽略了投资者偏好对股票选择的影响。因此,为避免定性分析和量化投资这两种方式带来的问题,本文提出一种股票投资决策算法,同时考虑投资者偏好和定量数据对股票投资决策的影响,为投资者选择最具投资价值,且最符合投资者意愿的股票。论文的主要研究工作如下:(1)基于对国内外现有研究成果的研究,针对价值型股票选择环境的复杂性,以及公司风险水平、投资者偏好等定性指标和公司盈利等定量要素对股票选择的影响,构建综合定量与定性指标的价值型股票评价指标体系。(2)针对综合评价指标体系中不同信息类型的指标,以及决策者语言评价信息的模糊性和不确定性,获得来源于公司年报、评级机构、投资者等不同主体的评价值,得到基于实数、区间数和中智数的异质评价矩阵。(3)针对单一指标赋权方法不能同时兼顾主观判断和客观数据对评价结果的影响,采用BWM(Best-worst method)方法和熵权法分别计算主观准则权重和客观指标权重,同时考虑投资者主观偏好和不同评价指标的特性及客观性,得到综合指标权重。(4)针对传统TOPSIS只考虑实数信息,忽略评价中存在不确定信息的问题,改进基于异质信息的TOPSIS方法对价值型股票进行排序,辅助投资者选择最适合自己的价值型股票。最后以医药制造业上市公司为例进行了案例分析,一方面对比分析了一段时间医药制造业上市公司股票的实际收益和模型预测结果,另一方面对模型的稳定性和科学性进行了详细分析。案例分析结果不仅验证了该模型能够有效地为投资者选择出最具投资价值的股票,还验证了所构建的模型较现有的股票选择模型更符合实际,其评价结果更加科学合理,能有效指导股票投资决策。