因子的寻找：利用人工智能机器学习的算法，进行特征工程分析，运用bagging,boost,stacking的集成算法，选择好的特征；再运用特征工程的相关算法（保密）进行特征筛选，抽取好的因子，构建因子模型进行选股，最后进行策略回测；➢撰写相关报告，进行建模分析：利用数学的正交化改进因子数据的质量，运用机器学习算法（svm,lr,rf）改进因子模型，提高模型的预测能力；收集证券市场的新闻文本数据，运用python的word2vec和nltk模块，把文本数据转化为高维数据，运用深度学习的神经网络模型，进行建模预测第二天的股价的涨跌，结果证明证券市场是弱势有效地，短期的新闻信息对投资者具有引导作用；运用深度学习的CNN的LSTM模型进行股票价格的时间序列分析；