随着上海证券交易所科创板和注册制的施行,我国资本市场制度会更加完善,发展必然更快。然而普通投资者面对的投资环境更加复杂,主要表现在我国经济发展进入新常态,增速放慢,房地产畸形发展带来金融风险增大,贸易战带来不确定因素增加。传统的投资组合工具越来越不适用。研究能适应中国市场新环境的新理论和新工具已经迫在眉睫。本文将深度学习的方法应用于选股,构造能够跑赢大盘的投资组合。方法的要点在于通过自编码器对股票池的价格信息进行降维处理,利用具有期权特征的人工神经网络激活函数对应于期货投资的特点,依据学习网络获得训练误差和测试误差的集合,构建出可以追踪指定输出序列的投资组合。选取沪深300指数为例,将输出端分别设置为沪深300指数和日收益率高于沪深300指数0.05%的虚拟指数,通过算法将258只稳定的成分股降维后构造相应的投资组合,并将2013年到2018年间的数据均匀地分成3个2年的区间,分别称为训练集,验证集和测试集。另外,利用最小追踪误差法和2013年至2016年的数据构建对比用的传统投资组合。测试结果表明在长期投资的情景下,在2017年至2018年的每个月,构造的深度投资组合可以大幅度击败沪深300指数,并且在24个月中更远端的21个月击败了传统方法,同时也能在2018年大盘下跌的情况下依旧能拥有稳定的利润。