在进行AI智能选股时，通常会涉及到机器学习、深度学习等技术。这里提供一个基于Python的简单示例，使用线性回归模型预测股票价格。请注意，这只是一个基础示例，并不能保证实际收益。

python
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
import yfinance as yf

获取股票数据
ticker = AAPL
data = yf.download(ticker, start=20150101, end=20200101)

特征选择：开盘价、最高价、最低价、成交量
data['Open'] = data['Open']
data['High'] = data['High']
data['Low'] = data['Low']
data['Volume'] = data['Volume']

X = data[['Open', 'High', 'Low', 'Volume']].dropna()
y = data['Close'].dropna()

划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

训练模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

预测
y_pred = regressor.predict(X_test)

评估模型
print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
print('Mean Squared Error:', metrics.mean_squared_error(y_test, y_pred))
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test, y_pred)))

这个例子中，我们从雅虎财经获取了苹果公司的历史股价数据，然后使用线性回归模型来预测收盘价。注意，这只是一个非常基础的例子，实际上在进行股票预测时，需要考虑的因素非常多，包括但不限于宏观经济指标、公司财务状况、市场情绪等等。