本文以我国股票市场的动量反转效应为基础,结合阿尔法选股策略和聚类算法,建立A股市场的选股模型,并对2011年1月18日到2015年2月27日期间的股票数据进行回测。本文首先对我国市场上存在的动量反转效应进行阐述,并结合我国股票市场的实际情况构建了阿尔法动量选股策略-模型Ⅰ,并定义了选股因子μ；接着采用聚类算法构建我国股票市场的量化选股模型-模型Ⅱ,然而通过数据模拟发现,原有的聚类选股模型中聚类算法的运算复杂度过高,其较为低下的运算效率大大限制了聚类的股票数量,针对模型中的聚类算法,本文采用了更加有效的k-中心点轮换法。通过Matlab运行算法发现,对我们实证所需的800只股票进行聚类时运算时间节省了近60倍。最后将以上两种模型结合起来构建了我们的聚类-阿尔法动量模型。模型的有效性通过比较相对中证800指数超额收益以及正负向超额收益出现频率,累积收益方面的结果加以验证。经实证检验,模型Ⅰ相对于中证800指数在整个实证区间并没有获得很好的超额收益和超大盘频率。但在牛市中我们在不同的μ(股票数目)和p(投资周期)这两个参数下基本上都获得了40%的超额收益,在最优参数组合下更是获得了176.04%的超额年化收益率。模型Ⅱ稳稳的战胜了中证800指数,也很好的超过了单纯动量反转模型的收益率。通过将聚类-阿尔法动量模型与模型Ⅰ、模型Ⅱ比较得出,其具有更强的抵御风险的能力；提高了具有正向超额收益的频率和幅度。实证结果证明了选股模型在我国股票市场的有效性。