量化投资策略是股票投资领域当前的热点问题。量化投资中最重要的是择时,因而及时把握买卖时机是在控制风险的同时追求利润最大化的关键所在。基于此,本文选择对股票的量化择时投资策略进行研究。因为择时投资策略关键在于交易买卖点的确定,因此量化择时的关键就在于股价趋势转折点的预测。支持向量机在解决小样本、非线性和高维模式识别中具有特有优势,这恰恰满足所选股票数据的要求。因此,本文选择SVM进行量化择时投资策略研究。本文选取2015.1.5-2019.2.12上证50指数成分股中流通市值排名前八的股票共1000个股票日数据,采取7:3比例,2015.1.5-2017.11.15股票数据为训练集,共计700个样本;2017.11.16-2019.2.12股票数据为测试集,共计300个样本。选择拟合误差最小的高斯核函数构建SVM择时模型,得到八只股票的最优参数模型。依据均方误差剔除掉模拟效果差的三个股票,将剩余五只股票作为分析股票池。在构建择时模型的基础上,分别采取SVM预测收盘价择时策略、滚动SVM预测收盘价择时策略与滚动SVM预测MACD择时策略三种投资策略进行对比分析。分析结果表明:SVM预测收盘价择时策略劣于买入持有策略;其他两种策略均优于买入持有策略;从风险和稳定性看,滚动SVM预测收盘价择时策略又优于MACD择时策略。不管是个股还是组合,最优的量化择时策略在收益上的效果存在随机性,但风险的控制上较稳定,整体绩效上优于买入持有策略,研究表明该量化择时策略有效。本文的创新点之处在于在综合多指标基础上应用支持向量机进行股价预测,克服了实践中传统方法受限于假设条件不吻合下的预测弊端,并在量化基础上,就从个股到组合,验证了支持向量机量化择时投资策略的有效性并提供了SVM新的应用视角。不足之处在于实证研究中进行的策略回测严格意义上不能算是完整的量化投资过程,只是量化投资的“策略检验”的过程,未加入严格的止损机制和更为完整的回测检验方案,未使用大量的数据进行全面的回测检验。策略回测方案有待今后进一步完善。