中国的投资市场正在不断的成长中,随着经济的发展和开放程度的提高,投资者们也逐渐将目光投向股票市场。我国股票市场的变化与整个国家市场经济的动态有着千丝万缕的联系,在促进我国国民经济的不断发展中起了重要的作用。相对于西方发展较为完善的资本市场,我国股票市场上运用机器学习等方法的智能选股投资策略领域发展起步较晚,还存在着一定的不足之处。传统的投资策略更多的依靠个人经验,缺乏客观性,容易受到投资者从众心理等不理性行为的影响,在大量数据的处理中也会形成巨大的时间成本和人力成本,不利于投资市场的快速发展。在这个背景下,对于智能选股策略的研究开始兴起。运用智能选股策略可以避免受到投资者情绪的干扰而影响到最终的策略结果,并且运用模型的计算可以减少时间和人力成本。智能选股中会运用到各种数学计量模型,而模型中各参数的设置以及指标的选取直接影响到策略的结果,随着研究的深入,随机森林和神经网络等量化模型的缺点也暴露出来,由于我国市场上股票信息良莠不齐,公司有造假行为的存在,使得在现实A股市场中随机森林、神经网络等智能算法会失效,没法反映出真实的效果,可能导致选股策略的失效。因此,为了解决当前智能选股所面临的难点,避免个人投资者和各大机构投资者在决策上的失误,通过对指标进行选择和对市场进行企业质量分类,来提升对选股策略的准确性,使得智能选股的相关模型能够很好的在我国市场中发挥作用,对于帮助广大投资者进行合理的投资指导具有十分重要的现实意义。为了提高股票投资策略的准确性,更好地进行投资组合预测,本文以2018年A股市场中制造业共2167支股票第一季度的数据指标作为基础,运用随机森林模型、BP神经网络和GRNN神经网络模型进行模型的训练并了解模型的失效情况,随后引进红利因子和企业质量因素,在原有的指标中加入红利因子并以《上市公司蓝皮书——中国上市公司质量评价报告》中企业质量排名前100的企业股票作为模型的股票池,解决在A股市场中选股模型失效的问题,提升选股策略的准确性。最后使用随机森林、BP神经网络和GRNN神经网络三种模型运行引入了红利因子和企业质量因素的选股策略,每种模型均选出5支股票按季度持有和调仓,比较不同模型投资组合的收益。结论显示,引进红利因子和企业质量因素后解决了智能选股模型在A股市场上面临的模型失效问题,有效提高了选股策略的准确性。同时,在3种模型的横向对比中发现,引进了红利因子和企业质量因素的随机森林模型的选股收益要好于BP神经网络和GRNN神经网络,因此选择引进了红利因子和企业质量因素的随机森林模型作为最优的选股策略。在未来可以考虑使用优化后的随机森林建立起股票智能选股模型用来投入实际应用。本文的选股策略由于持仓期限较长,并无频繁交易,不利于通过佣金获得收益的卖方机构,更加适用于买方机构进行资产配置和长期的价值投资。使用模型量化的方法来进行选股决策,能够避免由于缺乏专业知识的个人投资者受到情绪的影响而做出不理智的投资行为,智能选股的产生弥补了传统选股方法的缺陷,能够积极促进我国量化投资领域的深化发展。在指标选择中加入的红利因子以及以企业质量因素对股票池进行分类,可以进一步解决选股模型在A股市场中失效的问题,剔除市场中虚假冗杂的信息,提升选股模型的识别能力,使选股策略更加有效,对投资者有一定的指导意义。