逆向投资策略是主动管理策略的一种,利用市场上的“反转效应”和“赢者输者效应”,认为市场上的投资者并非完全理性,即存在行为金融现象;逆向投资思想是寻找尚未被投资者关注的且基本面良好的股票,或者是寻找股价因市场上的突发事件导致股价过度反应而导致股票价格偏离其内在价值的股票。本文创新性的将人工智能中的机器学习算法与逆向投资策略相结合,探索其运用于中证1000指数上的效果,即将股票的几项逆向投资策略关注的指标:低市净率、低市盈率、低市现率、高股息和低于行业定价指标等等带入到机器学习算法中,探寻其投资效果,在保留逆向投资这一价值投资思想的前提下,即寻找公司管理、盈利等基本面良好却又暂未被过度炒作的股票,结合机器学习这一前端人工智能算法对庞大的数量级进行数据挖掘、数据分析,并进行投资决策判断等一系列过程,尝试利用计算机技术对逆向投资策略进行优化,获取更高、更稳定的超额收益。本文首先构建股票池,为中证1000指数成分股,主要为我国A股市场中市值偏小但相对流动性较好的1000支股票,由于这些股票往往不会被过度关注,因此十分适合运用逆向投资策略。时间跨度选取为2007年至2021年,剔除期间出现过ST或停牌的股票,再将上市不足3月的股票剔除,根据逆向投资策略选取样本股票特征,再对数据进行预处理,运用机器学习算法对样本内数据进行滚动训练,输出各数据特征重要性,生成回测资金曲线,三组算法进行对比、优化,最终获得较为理想的投资方案。基于以上研究过程,三种机器学习算法都能够持续稳定的在中证1000指数中获得超额收益。按照总体收益率来看,学习效果最好的是梯度提升决策树,其次是支持向量机算法,最后是随机森林算法;按照最大回撤来看,随机森林算法最大回撤最低,梯度提升决策树其次,最后是支持向量机;按照夏普比率来看,梯度提升决策树略胜于支持向量机,随机森林表现相对较差。同时也说明了目前中证1000指数市场尚未达到半强式有效市场。