随着计算机和信息技术的发展，数据获取和处理方式也发生了改变，海量的金融数据需要更加智能快捷的处理方式来从中提取有效的金融信息。所以，人们对数据关注和处理的方法的改变影响着金融投资的一些传统的分析方式，量化投资领域的崛起就是人们对数据不同的处理方式而带来的高要求、个性化的投资需求的最好诠释。
　　本文主要研究基于均值回复理论的量化择时建模的构建和实施问题。均值回复理论认为在一定时间和范围内标的资产的价格将围绕其价值中枢上下波动。本文将以该理论为指导，构造了一种网格交易的择时模型。论文首先对均值回复原理在中国股票市场中的存在性进行了实证检验，然后在此基础上对比了时间序列的线性和非线性预测方法预测效果的差异。在研究中创新性地使用了一种利用Kalman滤波算法对价格序列的数值、速度、以及加速度变化特性进行了非线性预测。进一步根据均值回复原理构建了网格交易模型，并采用线性回归寻找价值中枢的方式对网格交易模型进行了改进。策略回测结果表明，基于均值回复的网格交易模型在震荡市的表现优于在趋势行情中的表现，且模型有较高的胜率，在夏普比率、年化收益率等方面相比传统的网格交易模型有更好的表现。
　　基于均值回复的网格交易模型可以拓展到多种时间序列，帮助金融机构与投资者更加深入的认识市场规律，为金融投资提供新的技术和思路。