如何对金融市场建模并取得超额收益一直都是金融学研究的热点话题。随着近十几年计算机性能的提高,越来越多的研究者尝试使用人工智能技术对金融市场进行建模预测及交易,但现阶段大多数研究仅根据预测结果进行交易,极少有研究提出一套从预测到风险管理的完整量化交易系统。为此,本文尝试提出一种包含预测、资金分配和风险管理的新颖量化交易系统。该系统使用AdaBoost算法对金融市场进行建模,并根据模型预测结果产生交易决策,然后使用一种新颖的在线学习算法对交易决策进行加权处理得到任意资产任意时刻的资金分配,最后根据单个资产的最大回撤对资金分配进行进一步的处理以及判断最终是否进行交易。产生交易决策的决策层、得到资金分配的资金分配层和根据最大回撤控制风险的风险管理层三部分构成本文的量化交易系统。在港股市场上抽取2010年4月15日至2014年8月3日共1062个交易日的恒生指数成份股日交易数据组成样本集,进行训练并优化量化交易系统相关参数,然后从恒生指数成份股中抽取中电控股、恒安国际、领展房产基金、中国人寿、中银香港5只股票2014年8月4日至2017年10月31日的日交易数据,验证量化交易系统的有效性。经过以上实验,并与作为基准的买入并持有对比,发现以下几点结论:(1)本文构建量化交易系统运行良好;(2)在交易费用小于0.5%时,相比买入持有策略,收益率有大幅度提升。累积收益、夏普比率和斯特林比率均在长时间内大幅度高于基准,表明了该策略在港股市场上的有效性;(3)资金分配层所使用的算法能够提升整体投资效果。在实证中对比了不存在资金分配层的量化交易系统,发现在所有情况下资金分配层的存在都能提升一定的累积收益、夏普比率和斯特林比率。(4)以上发现表明,本文的决策层、资金分配层和风险管理层的构建思路以及所提出的量化交易系统整体框架是可行有效的,能够对以后的投资实务或学术研究提供新的思路参考。