量化交易作为一种结合了计算机技术,利用数学模型做出客观判断的程序化投资方式被国内外投资者所青睐。近年来,随着中国股票市场的创新进程的不断推进,量化交易投资策略已经逐渐被应用在中国股票市场上。因此,如何更大程度地发挥量化交易策略的优势,已然成为众多投资领域研究学者的课题。加上深度学习算法的崛起,越来越多的目光聚焦在利用新算法构建量化交易系统的方法研究上。本文将价值投资和趋势投资理论相结合构建量化交易策略,讨论混合策略是否能为投资者提高收益,以期为量化策略改进提供新的思路。本文选取在中国股票市场上具有良好代表性的沪深300指数成分股作为研究样本,首先选取用于预测股票未来趋势的23个指标作为输入因子,包括原始量价数据和技术指标,利用长短期记忆网络（LSTM）来预测股票15个交易日之后的涨跌幅度,构建的股票趋势预测模型。其次,设计基于股票趋势预测模型预测结果的量化交易策略,并进行股票模拟交易回测。最后,筛选能够反映公司内在价值的价值发现指标,加入趋势预测模型的输入因子库,并且以价值发现指标作为筛选投资组合依据,以此构建基于价值发现的股票趋势量化交易策略,并结合相关策略评价指标比较单一策略与混合策略的效果。通过上述研究步骤,本文得到以下结论:（1）本文利用LSTM算法构建的股票趋势预测模型能够较为准确的对研究样本15日后的涨跌幅度做出预测,证明了该算法在长时间序列预测的表现良好。在构建输入因子库时,加入了人工提取的特征值,有效地降低过拟合的可能,提高预测效果。在模型预测的精确度方面,模型的输入因子中加入价值发现指标之后,趋势预测模型的预测能力有了一定程度的提升。说明了基本面指标中也包含了股价未来趋势的信息。（2）加入价值发现指标之后的量化交易策略,可以更有效地对投资行为起到指导作用。无论是从策略的收益率还是风险控制角度分析,混合的趋势量化交易策略的胜率和盈亏率均高于单一策略,而且混合策略的收益受到市场整体行情的负面影响较低,控制亏损的能力也要优于单一策略,能够更为稳定地获取更高的超额收益。