自上个世纪七十年代以来量化投资凭借着其纪律性、系统性、及时性、准确性和分散化等特点,开始受到广泛的关注。国内金融市场起步较晚,但是随着资本市场的发展和金融产品的完善,量化投资在国内快速发展兴起。量化投资的发展与计算机技术有紧密的关系,对于计算机的利用也逐渐从辅助策略执行到参与策略制定。近些年机器学习、人工智能兴起,人们开始研究将这些计算机技术运用到量化投资之中,提供了更多创新的量化投资方法。本文将模拟自然进化的遗传规划算法与选股策略相结合,建立基于财务指标的遗传规划决策模型,通过遗传规划算法在每一个阶段寻找最优选股模型和投资组合。策略通过算法将量化选股的自动化过程延伸到最初的建模决策阶段,最终实现建模、决策、回测和投资每一个环节的程序化,减少人工干预带来的影响。本文实证部分选取了三个行业板块对这种自动学习的投资策略进行有效性的验证,并对策略运行的稳定性、复杂度和不同时期的影响因子进行进一步的分析。