随着中国股市规模的不断扩大和运作机制不断完善,量化投资在发掘市场潜力、获取超额收益等方面的运用空间日益增加。就已有学术成果和业界使用来看,量化基金通过多因素模型对股票进行筛选,以不同的侧重点为投资者提供更加多样化的量化基金产品,对国内A股市场而言是较为有效的投资手段。量化投资的第一步为量化选股,这对于之后的量化择时、统计套利、算法交易及资产配置起着至关重要的作用。另外,股票市场一个典型特征是行业轮动,不同股票板块对宏观经济因素的反应程度不同会产生明显的收益差,行业热点轮流出现。因此,结合经济运行环境,考虑行业轮动因素,构建量化选股策略,对于提高投资收益率、合理控制风险、减少A股市场主观盲目情绪化投资现象有着重要的理论意义与实践意义。本文以行业轮动策略为基础,利用多因子选股模型实现投资组合的构建及业绩评价,以达到一定风险水平下的长期稳定收益。首先,结合宏观经济指标和股票市场的行业指数,从数据角度拟合其相关性并分别计算行业风险值,得到不同行业的拟合程度差异较大,验证了行业轮动现象存在的事实。其次,考虑到2009-2019年期间牛熊市交替出现,利于后续分析与预测。据此,选取沪深300指数成分股所有上市公司近十年的基本面和技术面数据构建了影响股票收益率的因子库,通过数据清洗、检验、降维筛选得到涵盖估值类、成长类、资本结构类和技术类的8个有效因子。然后,采用分类选股构建多因子选股模型,以8个有效因子指标为自变量,以超额收益率为分类标签(超额收益率>0为标签1,超额收益率<0为标签0),分别比较了SVM模型、Ada Boost模型、神经网络模型的预测结果,选取表现较好的神经网络模型作为多因子选股基础模型,并基于此构建了无策略投资组合。最后,结合行业轮动策略,根据行业分类结果,将行业分为周期性行业和非周期性行业,分别构建多因子选股模型,依据超额收益为正的概率水平,选取排序前十的股票构建投资组合。通过回测实验进行业绩评价,得到行业轮动策略下构建的投资组合从收益和风险水平上均优于无策略组合,以75%的概率跑赢基准沪深300指数,预期年化收益率为5.6%,风险系数0.985,组合能够获得的超额收益为0.002,夏普比率0.744,信息比率5.03,组合的波动率略大,但在承担适度波动风险水平下的超额收益较高。