资产投资组合的定价一直以来是金融领域的重要研究方向,从风险和收益的角度解释资产收益率的影响,研究决定资产收益率的相关因素。资本资产定价模型是建立在严密的理论假设基础之上的,而不同国家的股票市场对于假设条件的满足程度各不相同,所以表现出的适用性有显著的差别。机器学习是一门综合的科学技术,通过计算机快捷的计算速度,基于统计概率学的方法模拟人类的行为和思维方式,并从中自动学习新的知识使性能不断地提高。目前广为流传的深度学习作为机器学习中最新的技术,为量化投资的研究提供了新的驱动力。通过选择Fama-French五因子资本资产定价模型作为研究对象,用机器学习对其进行修正。通过定量分析、自回归模型、经济周期模型分别确定了样本主体为沪深300成分股、样本频度为每月数据、样本时间跨度为2005年4月至2018年4月。又从个股和时间横截面两个角度分别研究了五因子模型在沪深300市场的适用性及五个因子各自的解释程度。研究发现,其中有两个冗余因子,遂将其删除构建出三因子模型。最后分别通过机器学习模型支持向量机、随机森林和逻辑回归筛选出一个新因子添加到三因子模型中,构建出最终的四因子模型。结果显示,该模型具有更高的拟合度,解释力一定程度上的提高,能够较好的在沪深300市场中适用。同时,由于沪深300市场自身的特性,得到市场具有规模效应、价值效应、盈利效应、投资效应、交易效应的结论。鉴于理论研究和实证分析的结果,提出一些规范我国证券市场资产定价及管理的对策建议:加强投资教育,避免盲目跟风;加快金融改革,增加投资工具;健全金融管制,提高监管水平。