目前人工智能在金融行业备受重视,且量化选股能高效率地完成数据挖掘分析,规范地按模型进行投资。而在美国特朗普政府打响贸易战后,中国股市在2018年3月23日、6月19日出现跳空大跌,投资者对市场充满恐惧失去信心。为鼓励投资者重回市场,本文采用基于主成分分析法的随机森林选股策略对上证50成分股进行实证研究。本文通过Python编程软件、Choice数据接口、JQData本地量化金融数据选取上证50成分股作为股票池,以2015年1月1日至2018年12月31日作为回测区间,备选特征因子池包含估值指标、风险分析、盈利能力、趋向指标、能量指标、波动指标。将回测区间按年份划分为4个子区间,采用分阶段回测方式,将当前年份往前推60个月合并成样本内,先用主成分分析法对特征降维,消除特征之间的相关性,再结合10折交叉验证法与网格搜索法对模型参数最优化以训练决策树,形成随机森林模型。将回测数据输入模型,选取排名靠前的5只、10只、15只股票分别作为下个月的策略组合。回测结果显示3个策略组合均在市值、对数收益率方面表现都明显优于上证50ETF,持仓数为5的策略组合表现最佳,且采用主成分分析法降维能有效地提高策略的投资效果。而在中美贸易战时期,该策略保持了其有效性,且有效性强于全回测时期,最大回撤率与Beta值均低于全回测时期。本文结合机器学习进行实证分析,得出结论为投资者在面对突发熊市时不必恐惧市场,应保持冷静,通过运用量化投资工具依然可以获取超额收益。