近年来,我国金融市场快速发展,与世界经济的联系日益紧密,给投资者带来了更多更大的机遇和挑战。随着外部政治和经济环境的变化,投资环境日趋复杂;同时,计算机领域相关技术的突破发展,使得量化投资方法开始兴起,并显现出极强的适用性,能够在市场上获得巨大的超额收益。本文利用LSTM神经网络搭建股票预测模型,构造能够战胜市场指数的投资组合。选取我国股票市场上具有良好代表性的沪深300指数,筛选符合条件的成分股,使用相关的日度收益因子数据,通过一定的标准化和降维处理,利用有良好时间序列数据处理能力的LSTM神经网络模型,对股票的收益率进行预测。与传统的时间序列分析模型相比,神经网络模型的预测结果具有更高的准确率;并且随着模型中输入特征数量的不断增多,预测结果的误差也在慢慢减小,此外对收益率的预测准确率在各个输入维度上都要高于对收盘价格的预测。基于神经网络模型的预测结果,进行投资组合的构建。筛选出预期上涨的股票,基于现代投资组合理论,对资产权重施加Lasso和Ridge约束来分配股票的权重,以构造稀疏而稳定的投资组合。结果表明,在2020年所构造的投资组合能够在收益率、夏普比率和信息比率等方面大幅战胜大盘指数,且基本没有出现资金亏损的情况。此外,本文还针对不同风险厌恶系数,构造不同的投资组合,研究分析其收益绩效情况,发现具有高风险厌恶水平的投资组合具有更高的夏普比率,因为其对风险的更大厌恶要求更高的收益补偿,同时还能够获得更高的投资收益。本文基于神经网络的预测结果,将参数不确定下稀疏稳定的投资组合选择理论应用于我国的股票市场,一定程度上补充了我国相关领域的研究。本文的研究对于投资者使用深度学习方法和神经网络研究股票市场,构建具有良好收益表现的投资组合,以及分析研究不同的风险厌恶系数具有一定的参考意义。