随着科学技术的不断发展,不同领域之间技术的相互渗透有利于解决各个领域内存在的问题,其中计算机技术的进步为推动我国金融市场发展及解决金融领域的学术难题做出了非常大的贡献。近年来,“智能投顾”等名词的出现标志着机器学习技术被积极且广泛地应用于投资组合管理的领域中,其中,机器学习技术中的集成学习为投资组合选择问题提供了解决思路及技术支持,集成学习可以结合不同的基学习器,该方法利用组合多个学习效果较差的弱学习器的方法从而得到学习效果较好的强学习器。本文通过引入元算法,将对金融资产的选择问题转化为分类问题,训练后的模型将根据金融资产在上一个投资期间具备的一些相关财务指标和因子预测在下一个投资期哪些股票将更有可能取得优于平均水平的收益,投资者可以根据模型推荐的结果选择下一个投资期内进行持有的股票,从而为投资者在进行投资决策时对股票的选择提供参考。本文应用了Ada Boost和随机森林两种元算法,一方面从理论的角度介绍了相关算法的流程及优越性,并从数学的角度证明了样本权重更新公式以及个体学习器权重公式的推导过程,另一方面从数值分析的角度证明了通过这两种元算法得到的模型在测试样本集上实现的收益远超同期行业平均水平以及通过SVM算法所能实现的收益,从而通过比较分析法证实了将元算法应用于解决投资组合选择问题时的实用性和优越性。此外,本文除了根据本文构建的因子池进行建模外还参考了其他学者构建的因子池进行建模,实证结果表明根据本文构建的因子池建立的模型在回测中的表现效果要优于根据其他学者构建的因子池进行建模在回测中的表现效果。