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
X = data[['Open', 'High', 'Low', 'Volume']]
y = data['Close']

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)

创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

预测
y_pred = model.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Yahoo Finance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，实际应用中可能需要更复杂的模型和更多的特征。

此外，需要注意的是，股市受多种因素影响，包括但不限于经济状况、公司业绩、市场情绪等，因此任何预测模型都存在不确定性。