量化投资在国外发达国家的资本市场中,一直都是各大金融机构用于获取利润的重要方式。在市场不稳定,政策多变的宏观经济背景下,量化交易可以适当规避市场情绪,做到理性投资,使得投资者能够获得较好的收益,或者及时退出止损。第三次信息革命以来,人工智能作为新的信息技术前沿,已经开始逐步应用到各行各业,金融行业对此也是十分敏感,金融科技也成为目前发展的热点,其中人工智能技术指导的量化投资建模,也得到了很多的关注。人工智能技术融合了多种先进算法技术,智能化程度比较高,能够对改进相关行业提供强大的技术支持,这使得人们对于人工智能技术的研究愈发重视。相对于其他技术的算法,人工智能在算法方面并不是重视演绎,而是比较重视对算法的归纳。也因为这样的算法特点,使人工智能技术能够对各种经验数据,进行有效的分析与整合,使其能够形成具有泛化能力的模型。本文首先对于传统的量化建模技术进行综述,例如趋势判断型量化投资策略等,同时介绍了人工神经网络算法的原理。通过wind数据库下载A股及金融期货市场日线数据,对BP神经网络进行训练,得到神经网络的层次,权重等等,并且确定输入输出因素指标,然后用最新的数据,输入到训练好的神经网络进行运行,得到模型的投资收益,将其与大盘进行合理的对比,从而判断人工智能量化投资技术,是否对投资结果有所改善。同时,在实际操作过程中也发现,受到技术条件的影响,在进行尾盘交易时,很难对实现自动化的交易处理。因此在自动交易程序设计中,只能使用人工智能算法来预测第二天股票价格的涨跌。这也为后续的研究预留了一些空间。