随着计算机技术的不断发展,近年来量化投资技术在中国股票市场上的应用越来越广泛。利用优质的量化投资策略模型和金融数据,往往能够在中国股票市场上获取超额收益。在量化投资领域,多因子量化选股策略和机器学习量化择时策略是应用较为广泛的两种策略,不少学者对多因子量化选股策略模型和机器学习量化择时策略模型进行研究,这些学者通过研究发现,不论是使用多因子量化选股策略模型,还是使用机器学习量化择时策略模型,多数情况下是能在市场上获得超额收益的。虽然分别用这两种方法构建的策略模型在市场上是相对有效,但是却少有将两种方法结合起来进行研究的策略,本文将两种策略合起来,构建多因子量化选股和机器学习量化择时相结合的投资策略模型。本文以沪深300成分股作为研究对象,进行研究选取的时间区间为2016年1月1日至2020年12月31日。本文通过对与沪深300指数成分股的各个股票有直接或间接关系的35个因子进行详细的分析。通过量化模型的分析,在多因子选股部分选取了10个有效因子,再通过把10个有效因子和沪深300成分股各个股票的股票价格结合到一起进行研究,从300只成分股中选择了5只股票作为多因子量化选股部分的有效股票。本文在机器学习量化择时部分,选择了监督学习分类算法中的5中机器学习模型,通过把5种机器学习算法与多因子量化选股部分得到的有效因子和有效股票结合起来进行研究,分析得到一种最合适的机器学习算法模型作为本文机器学习量化择时部分的有效算法模型。本文旨在构建能在中国市场获取超额收益的量化投资策略模型,最终构建的模型,选取了10个有效因子,5只有效股票,一个最优机器学习算法。通过把2016年1月1日至2019年12月31日有效股票的有效因子数据与股票价格数据带入到最优机器学习算法中进行训练,以构建具有预测能力的模型。本文构建的投资策略把2020年8月1日至2020年12月31日之一时间段作为回测区间,通过回测得到了策略的5个月累积收益为23.56%,同期沪深300指数的累计收益为9.22%,策略模型收益率远远超过了同期沪深300指数收益率,可以证明该策略模型在量化选股和量化择时表现上效果较好。该策略模型的构建,为中国股市研究者构建量化投资策略提供了一种新思路,对中国市场上量化投资领域的研究具有一定的参考意义。