近些年,随着我国股票市场的不断发展,市场发挥分配资源的作用不断增强,量化投资理念也越来越被人们所熟知。量化投资理论结合了统计、数学、计算机和金融等多方面知识充分挖掘股票中的有效信息为投资者规避了更多主观判断偏差。多因子模型作为量化投资领域中时效性最久、发挥最稳定的投资模型被广大投资者所使用,而机器学习方法的迅速发展也优化了许多交易模型,成功挖掘了股票数据背后的经济规律。因此,不断改进机器学习算法在多因子模型交易策略上的运用具有更多现实意义,比较改进前后的模型效果也同样为今后的研究提供了更多的参考价值。首先,本文依据相关理论从估值因子、财务因子和技术因子三方面初步建立了因子池,运用三种有效性检验方式对2014年1月到2016年12月的候选因子数据进行了有效性检验最终筛选出了参与建模的六个因子指标,分别是反转因子rev20、净资产收益率同比增长率、换手率turn2060、市净率pbMRQ、营业收入同比增长率、流动资产/债务总额,分别反映了股票的成长能力、营运能力、估值水平以及偿债能力等方面,并利用上述因子在多因子选股模型上进行了实证检验;其次,利用多元回归方法和随机森林算法构建选股模型进行回测效果的比较,在运用随机森林算法进行选股时利用因子重要性排序筛选出重要程度较高的因子建立预测模型,在使用两种多因子选股方法进行回测时均采用滚动回测方式,选取2017年1月到2021年12月五年的月度数据分别建立多因子模型以检验模型的有效性;最后,为避免结果具有偶然性,本文利用计算机行业和社会服务行业的股票作为样本,将传统多因子模型同改进后的随机森林多因子模型选股效果进行对比,在此基础上还优化了构建投资组合的资金分配方法,将计算机行业的回测收益从87.357%提升到了 118.632%,将社会服务行业的回测收益从20.593%提升到了 68.937%,收益得到大幅提升。通过对回测效果进行行业以及方法对比分析,结果表明两个行业都能获得战胜市场的稳定收益,且社会服务业在改进的随机森林多因子模型下能获得更明显的收益提升,即多因子选股模型在行业板块选股效果仍旧表现优异。同时,改进的随机森林多因子模型具备更高的盈利能力、抗风险能力和风险调整盈利能力,即同传统回归法多因子模型相比,基于随机森林的多因子模型能有效提高量化交易模型的性能,且优化资金分配方式能进一步提高策略的稳定性。多因子模型与时俱进的特性是其被投资者长期使用的重要原因之一,因此投资者需要结合市场行情不断挖掘出在不同时期发挥作用的有效因子,发现更多未被探索到的有效信息。同时投资者可以结合机器学习算法对模型进行不断调整与优化,扩大人工智能在证券市场乃至金融领域的影响作用。