经过短短27年的飞速发展,中国A股市场已经成长为拥有3500多家上市公司的世界第二大股票市场。随着中国股票市场的发展和投资者素质的提高,传统投资策略越来越不满足投资者的需求。在此情况下,众多国外的投资理论和投资策略也被引入中国A股市场。但是由于中外股票市场的巨大差异,造成很多在国外行之有效的投资策略在国内表现欠佳。本文深入研究了加拿大学者Allan Borodin等基于股票反转效应的Anticor算法以及南非学者Raphael Nkomo等在其基础上引入卡尔曼滤波器处理数据和动量效应的K-AC-M算法。实证部分中针对K-AC-M算法在中国股票市场的实际情况进行了多维度的分析。共筛选了A股市场951只股票,从2012年1月4日到2017年12月29日共1458个交易日的日收盘价数据。运用MATLAB软件实现K-AC-M算法策略,分别对投资窗口期、投资组合股票容量、流通股数量、行业分类、市场整体走势等因素对投资收益的影响进行了对比和分析。最终得出结论认为:不同投资组合具有基于其自身性质的最优窗口期;收益率和抗风险能力随股票容量增大而增加;K-AC-M算法对于大盘股、小盘股、指数股、ST股市有效的;算法在牛市可以放大股票收益,熊市会放大股票亏损。最后,根据K-AC-M算法具有放大效应的最大特点,引入趋势判断参数进行算法改进,得到T_MA-KACM和T_MACD-KACM算法。检验结果证明,新算法可以有效减少K-AC-M算法对于亏损的放大,提高算法的抗风险能力。