近年来,随着互联网和人工智能技术的兴盛,量化投资逐渐映入人们的眼帘。它通过运用各种数理模型来解决如何选股和择时的问题,写入程序后进行机械化的下单操作,避免受到人为主观影响。与传统的投资相比,量化投资的特点在于它的精细化和定量化。以传统投资的代表人物巴菲特为例,他所创立的公司在稳健经营的理念下年均可获得超过20%的复合收益率并且持续了40年之久。而作为量化投资的代表人物西蒙斯,他创建的文艺复兴科技基金公司年均复合收益率超过了35%,由此不难看出如今量化投资在金融市场中的重要性。本文以沪深300作为动态股票池,将2012年至2014年的数据作为模型的训练集,2015年至2017年的数据作为模型的验证集,试图构建出一个可以跑赢大盘的量化选股模型。选股策略主要分为两步,第一步通过多因子打分模型选出50只股票作为当月的候选股票池,候选因子都是基本面因子,由此选出的个股可以认为是长期看好的。第二步通过改进的支持向量机模型从候选股票池中再选出10只短期精选股等权买入,调仓时间为每周第一个交易日,该部分的候选因子都采用短期技术性指标。另外在模型构建中,本文对多因子模型中因子权重的选择和支持向量机模型中参数的设置方法都进行了横向对比和探讨。在模型回测时也考虑了因子轮动和训练期滑动后的情况,加入了不同行情下的回测对比,建立了一套动态量化选股模型。最终改进后的模型在2015年至2017年间获得15.63%的超额回报率,年化收益率达到19.04%,夏普比率为0.71,远超同期基准的业绩表现。