不断提高的生活水平以及更加便利的金融投资渠道，使得普通民众的金融投资意愿越来越强烈。但市场上存在多种影响股票价格波动的因素，普通投资者难以从众多股票中识别出具有投资价值的股票。本文的研究目的是为个人投资者设计一套包括选股和投资组合优化的交易策略，同时构建出最优选股因子组合，为投资者分析股票提供参考。
　　本文综合考虑了宏观经济、市场、公司行为、公司财务状况、投资者情绪与机构投资者关注度、预测误差等六方面因素，选择205个候选因子进行研究。首先，本文通过分析各因子与股票收益率波动之间的相关系数、因子排序下头部股票组合与尾部股票组合的收益率之差，筛选出对选股有效的因子，并运用树聚类法得到30个解释力度最强的选股因子，包括黄金现价收益率、市盈率预测误差、标普500指数波动率、非流动性指标、beta、研报关注度、速动比率、市销率、长期资本收益率等。然后，本文基于LSTM神经网络建立了选股模型，通过比较不同参数下模型的预测准确率、误差损失、查准率等性能指标，确定了本文选股模型。测试结果显示，本文训练得到的模型相比已有文献具备更高的准确率和更低的误差损失。最后，本文运用前景理论分析了投资组合优化问题，并建立了考虑动态参考点、交易成本等因素的多期、多资产的最优投资比例求解模型，与已有研究相比更贴近实际市场情况。
　　本文选用2016年至2019年上交所A股为样本，将构建的最优选股因子组合作为特征变量输入本文训练得到的选股模型中进行选股实证分析，并运用本文提出的投资组合优化方法构建本交易策略的投资组合。通过比较本文交易策略投资组合的收益率与市场基准组合收益率发现，本交易策略建构的投资组合年化收益超过50%，具有更高的收益率。在投资期限75%以上的交易月份内，交易策略均为投资者实现了超额收益。