近年来，中国经快速济发展，人们对于多样化的投资需求也不断增长。证券经纪业务作为我国金融业务一个不可或缺的部分，发展到如今已经获得了长足的发展。从2014年初到2017年底，我国的资产管理经纪业务增长了不止三倍，从不足20万亿跃升至60万亿。同一时期，监管层在积极建设稳健的金融发展环境的同时也在大力促进金融业务创新。在信息化的今天，传统的投资策略由于证券市场本身的复杂性和突发性，已经难以满足人们的投资期望，因而有赖于计算机强大计算能力和海量数据而得以发展起来的量化金融投资策略越来越受到青睐，量化金融模型日益成为预测市场和指导投资的主要方式，而广大投资者对于依靠量化策略作为投资依据作出精准有效的判断也有着越来越大的诉求。量化投资在我国证券市场未来发展趋势良好，目前仍处于起步阶段，研究量化金融投资将助力我国金融市场进一步发展和完善。在这样的行业背景下，研究量化证券投资能够在包括投资渠道多样化、市场建设的完善以及股市健康发展等多方面都具有里程碑式的重要意义。
　　量化投资(2011，第1.2l页)[12]是指运用数据定量的方式把投资的逻辑借助计算机强大算力和有效的数学模型展现出来，以此来检验投资理念的过程。寻找市场有效投资机会，并通过大量数据和计算将主动投资的理念和金融市场的行为进行量化。一方面量化投资通过计算机程序实现，避免个人主观情绪对数据分析造成影响，另一方面量化投资更加实时快速，即处理数据准确高效，可以有效快捷地捕捉到市场上有价值的信息。量化过程需要具备以下四个组成部分，分别是:公开可交易的金融产品，完备的历史交易数据，有效的量化策略(程序化交易)以及标准及时的平台用于交易。目前我国的证券交易产品日趋丰富，用于支撑量化研究的金融历史数据也逐渐配套完善并细化，投资策略也随着学界理论研究的深入而被越来越多投资者认可和接受，同时由于网络量化投资平台的兴起，使得交易门槛降低，平台也日趋多样和开放。本文主要基于当前主流在线量化平台一聚宽进行研究和发展。
　　本文主要从以下几个部分展开。
　　第一部分根据当前学界的理论研究成果结合实际经验，分别从发展历程，核心概念，策略分类特点和分析这几个方面对量化投资进行讨论和概述。
　　第二部分依据现有多因子选股模型的研究成果，建立一个股票多因子策略并在此基础上进一步回测和验证历史数据，同时结合模拟交易分析，以此来验证策略有效性，并最终研究和论证量化选股相关理论。具体而言，本文选取沪深300标的股票作为基础，以2014年到2017年沪深300股票交易数据和财务数据进行预处理，主要选取以下5方面因子数据:市值数据，资产负债数据，现金流数据，利润数据，财务指标数据，从这些数据中确定最有可能引起股价变动的影响因素，并最终通过各因子下股票组合的累积超额收益，分位数收益稳定性，战胜市场的概率等评价指标筛选出8个有效影响因素进行选股验证，这8个影响因素包括:每股收益，流通市值，净利润/营业总收入，市销率，资产收益率，市现率，市盈率，换手率。并采用等权重的方法在各个历史时期根据历史财务数据对样本股各因子进行评分，然后将各因子得分加总，获得各样本股基于这些因子的综合表现，选取1O只分数最高的股票进行组合投资，以此检验组合在历史数据上的表现，并得出最终策略和结论。整个策略因子评分，筛选及组合回测过程都是在聚宽量化平台上进行，包括历史财务数据获取(各个因子在不同时间段的各项数据)，策略程序实现(基于Python语言和Pandas，Numpy数据分析工具)，图形化分析和指标呈现等，最终得出并验证了一个能够中长期在股市带来超额收益的量化多因子股票策略。
　　第三部分中，本文对基础策略作了改进以试图进一步强化表现。主要依据各个纯因子表现，持仓数目调整以及不同频率调仓的影响这三方面入手试图对策略进一步优化，通过比较多个因子组合在不同持仓数目和调仓频率条件下的历史表现，最终给出最优选择，通过以上优化后的策略表现出的各项指标包括年化收益、A1pha(超额收益)、夏普比率等更加令人满意。
　　本文通过对金融量化策略的研究和应用检验，在此基础上实践了量化投资策略的设计并以此获得了经验的积累和发展。