在变幻莫测的证券市场中进行投资无疑是对人的心智与情商的考验，价格的异常波动以及人性的复杂多变都可能导致交易的失败而带来损失。而这个领域的许多研究都是在真实世界的约束之外进行的，例如现实中的交易个体不可能按照假设那样完全绝对理性地去执行投资策略。而且如若不随着市场的演变而不断地选择与调整投资策略，将会使决策的有效性降低的同时也使每次的交易承受很大的风险。综上其因可知目前的许多研究成果都很难适用于工业界的实际操作中。　　而本文将复杂适应性思想和人工智能的方法应用于证券交易策略的研究中去，基于Matlab软件建立了基于状态转换的证券交易策略系统，运用小波变换、主成分分析和神经网络等机器学习技术对交易投资策略以及策略转化机制进行了设计，并对道琼斯工业指数、标普500指数、日经225指数、德国法兰克福指数、法国指数、上证综合指数和深圳成指7个市场的交易数据进行了实验分析，主要分析其价值和价格的转化情况，交易者的收益问题，价格的波动情况等，以得出利用该交易策略获得超额收益的相关结论。简而言之，就是通过所设计的数量化办法——价格走势强度来区分市场的不同走势，然后基于不同的市场状态使用不同的操作策略和相应的操作技术。同时，本为还将所设计的策略与Buy and Hold策略进行比对，分析在股票市场中，交易者采取不同投资策略的异同。此外，本文力求提出一个明确定义的方法论，以期将来可以利用它来开发并评估交易系统，使其能够通过机械系统的有效手段排除各种市场和人性等复杂因素对交易所产生的干扰，而帮助人们在交易中获得超额收益。