在量化投资兴起之前,市场盛行的是以巴菲特的“价值投资”为代表的定性投资。定性投资对投资者的个人素质以及市场敏锐度要求极高,具有一定的主观性,风险大,收益不确定。随着信息技术和计算机技术的飞速发展,定量的投资分析方法悄然兴起。1971年,巴克莱国际投资管理公司发行了世界上第一只被动量化基金,从此揭开了量化基金的神秘面纱,同时也开启了量化投资的开端。量化投资管理是将传统的投资组合理论与量化分析技术相结合,利用数学知识和计算机软件建立量化模型,通过对大量数据进行处理分析,客观地筛选出收益率最高的投资组合,从而避免了人为的认知偏差和主观臆断,极大的提高了投资的准确性。股票市场是一个拥有大量数据、复杂的非线性系统,而机器学习在众多领域均被证实是针对模糊非线性数据建模的强有力工具,因此,将机器学习方法用于量化选股策略的构建具有天然的优势。基于此,本文将机器学习中比较成熟的Bagging算法和MLP神经网络相结合,构建量化选股策略。本文以沪股通500多只股票为研究对象,选取了28个技术指标和财务指标作为输入变量,将股票的涨跌分类作为输出变量,利用R语言软件进行Bagging-MLP神经网络建模,并得到了合理的实证结果,结论显示基于Bagging-MLP神经网络模型对沪股通股票数据的预测准确率达到70%,并取得超越所选沪股通500多只股票的平均收益率。