价值投资理论自其诞生之日起至今已有数十年的发展历史,目前已经成为西方成熟市场上的主流投资理念。随着我国股市的日益发展,市场回归理性的趋势日渐明显。在这样的市场环境下,价值投资逐渐受到我国股市投资者的青睐,在价值投资热潮兴起的同时,由于国内外股票市场和上市公司素质的差异性导致舶来的价值投资理论倍受非议。但是随着中国证券市场逐步走向规范化运作,价值投资必将成为市场的主流投资理念。在这样的背景下,从我国证券市场的现实状况出发,深化对价值投资的研究具有深远的理论和现实意义。基于以上认识,论文的研究工作从价值投资的理论与方法两个方面展开。从传统价值投资理论的基本观点来看,价值投资是依据股票内在价值与股价之间形成的“安全边际”作投资决策,特别关注股票的价值性,其对股票内在价值的判断,通常遵循威廉姆斯“股票内在价值等于公司证券持有者未来年份得到的分红和利息的现值”的投资理论,通过对预期的股票投资回报率的贴现值来衡量内在价值,该方法缺乏可操作性,而且关于价值投资的研究还有一种倾向,即通过单纯的市盈率或市净率指标来判断股票的“安全边际”,这种倾向有一定的合理性,但单纯的市盈率或市净率并不能全面反映股票的价值性和成长性,忽视股票的成长性也是传统价值投资理论的重大缺陷。针对传统价值投资理论的不足,本文从股票虚拟性的角度考虑,提出股票虚拟价值的概念,并具体分析股票虚拟价值的易变性和相对稳固性,在此基础上提出新价值投资框架,以此作为传统价值投资理论的补充和发展。与传统的价值投资理论相比,新价值投资是建立在股票虚拟价值的基础上的,而上市公司的运营状况通过市场的作用直接影响到股票的虚拟价值,进而影响到股票虚拟价值的易变性和相对稳固性的强弱,因此新价值投资可以通过对上市公司财务基本面信息的挖掘来把握股票虚拟价值和价格的关系和发展态势。新价值投资就是通过挖掘出那些价格低于其虚拟价值,并且价格向股票的虚拟价值回复的股票,以此来投资获利的股票投资策略。新价值投资能够兼顾股票的价值性和成长性,其投资策略可操作性强,特别适合我国现阶段股市,是对传统价值投资理论的有益补充。在新价值投资框架下,本文将模式识别与新价值投资相结合,设计了从科学选股到组合投资的一整套价值投资方法,其中人工智能方法贯穿始终。由于在具体的股票投资实践中,无法实现对股票价值信息毫无遗漏的占有,因此本文在新价值投资框架下,充分利用模糊聚类技术在处理海量数据方面的优势,从上市公司财务基本面信息中挖掘出有价值的关键信息,从实证角度为支持向量机股票选择模型的建立提取出相对简约的股票价值特征集,该特征集基本涵盖了股票价值投资所需要的有效信息。在此基础上,采用实证方法建立基于价值投资的支持向量机股票选择模型,该选股模型通过对股票价值信息的判断,能够实现对股票的有效筛选。在实证方面,利用支持向量机股票选择模型对上证180指数成分股票进行识别,将筛选出的10支股票的半年持有期、一年持有期、两年持有期和三年持有期的实际投资回报率与上证180指数的指数回报率作对比,超过指数回报率的股票略高于70%,该结果足以验证基于价值投资的支持向量机股票选择模型在投资实践中的选股能力。尽管支持向量机股票选择模型能够以较大的概率筛选出具有较大增值潜力的股票,但选股的结果中也可能包含若干没有增值潜力的股票,可见,对优选出来的股票构造投资组合来分散投资风险是必要的。因此本文在Markowitz投资组合的均值—方差模型框架下建立了RAROC目标优化的价值投资组合模型,并具体通过模拟退火遗传算法对投资组合求解。该模型以VAR作为风险度量工具,以RAROC作为目标优化函数,能够将投资决策的风险和收益二元目标约束整合为RAROC单目标约束,能够有效地分散单支股票集聚的风险。