量化投资凭借其非凡不俗的业绩表现,逐渐进入广大投资者的视野,在过去的40年里颠覆了传统的投资哲学,被誉为“投资界的革命”。随着计算机技术的高速发展,该模式得到了更加迅速的进步和发展。许多把量化策略作为主要投资技术的资产管理公司已经成为同行中的佼佼者,这也说明了量化投资理念已经深入人心,量化投资技术渐渐成为主要的投资方法之一,研究新的量化投资方式和挖掘新的建模思路对量化投资的发展意义重大。本文构建了多因子选股模型,在构建多因子选股模型之前,利用行业轮动策略进行股票池的初步筛选,增强模型的选股性能,并采用沪深300指数成分股数据进行实证分析。本文在以下几个方面进行优化:一是在因子选择上,收集基本面、政策面、市场面等多方面对股票波动存在可能影响的因子,包括技术类、动量类、财务质量类、价值类、成长类以及分析师情绪类因子,分析师情绪因子主要反映分析师对各个上市公司的信用评价及盈利预期,如综合评级,每股预期收益等。二是在构建行业轮动策略时,在分析投资时钟轮动的理论基础上,首先通过计量模型研究投资时钟在行业配置中的可行性,然后通过历史数据统计检验考察投资时钟在我国股市行业配置中应用效果。三是在构建多因子选股模型之前,在多因子选股模型的基础上结合了行业轮动策略,有效地将量化投资的两大基本面模型联系起来,使用行业轮动策略初步筛选股票池,在此基础上研究怎样利用机器学习方法与传统多因子选股模型相结合,并构建基于随机森林算法的多因子选股模型,简化了传统多因子模型的步骤,使用边训练边筛选的方式。在机器学习算法的选择上,对比了支持向量机的优缺点,证实了随机森林在性能和稳定性上最适合。根据上述设计思路,选取2012年至2018年12月的沪深300指数成分股构建基于行业轮动的多因子选股模型,在对其优化和修改之后进行回测,获得了极高的收益率,获得了高于市场和相关指数以及策略的收益率,具有一定的可行性和实践意义,同时对现有的选股策略和基金公司未来选股策略的设计和发展提供了新的思路。