随着现在现代金融理论和计算机技术的快速发展，使用计算机编程实现证券自动交易的量化交易应运而生。凭借成本低、业绩稳定的特点，量化投资从70年代初产生以来，受到业界的广泛关注，发展速度惊人。量化投资与基本面分析、技术面分析并称为三大主流的股票投资分析方法。我国股票市场是一个弱有效市场它容易受到各种因素的影响，这些因素包括：国家政策、投资者情绪、宏观经济状况、上市公司的财务经营状况以及大庄家的市场操纵行为等等。传统的选股策略，面对中国股市，这样的高噪声的系统，它的预测结果是存在很大偏差的。随着数理金融、人工智能的发展，研究者开始尝试用统计的、智能的方法构建综合的量化选股模型，尝试消除股票市场非线性。本文试图将传统的基本面和技术面分析结合起来，以智能算法的遗传算法作为支撑来建立一个基本面和技术面相结合的量化选股模型，以剔除股市非线性的特征给投资者选股带来的干扰，排除投资者在股票投资中的情绪等非理性因素。本文用遗传算法为基本算法来建立选股模型，目的是使投资者的投资选股行为趋于理性。本文选取2004年-2014年，十年间的各个上市公司的季度财务数据和交易数据，分别从基本面和技术书面两方面验证利用遗传算法筛选因子、选择股票的可行性，最后将两者结合起来，先用基本面选股选出一个规模较小的股票池，再使用技术面分析对股票池中的股票买入时机进行研究，最后观察判断将两者结合起来是否会实现了一个优于两者分开建立的模型。