量化投资传入中国以来受到众多关注的同时也饱受争议。尤其是进入2016年以来,基于历史价格数据建立的统计模型纷纷失效,反而以前表现不是特别抢眼的基本面因子开始发挥更大的作用;2017年,股票分化趋势更加严重:蓝筹成长“一九分化”,市场对“白马股”抱团严重,市场的力量引导量化投资者开始更多地关注基本面因子。同时我们注意到,A股的格局正在发生变化,虽然目前A股市场依然以散户为主,但随着沪港通、深港通的的开通,以及今年6月A股正式被纳入MSCI指数,未来会有越来越多的外资进入A股市场,而重视价值投资的外资势必会逐渐影响A股市场的定价体系。从监管层面看,国家一直在鼓励金融去杠杆和引导资金流入实体经济,在严监管模式下,操纵市场和利用内幕信息套利的空间会越来越小,这从侧面促进价值投资理念的传播,进而促进A股向有效市场转变。如上所言,量化投资策略,将来需要更多地关注基于价值投资的基本面因子。本文目的是验证基本面因子在A股市场的有效性,并建立以基本面因子为主的量化交易策略。首先,本文选取在美股被证明长期有效的17个因子,在A股市场进行了检测,主要方法是通过计算信息系数和排序评估因子的预测能力和有效性,最终证明了在发达市场有效的基本面因子,如滚动市盈率、营业收入同比增长率、净利润同比增长率等,大都也同样适用于A股市场。其次,我们将有效因子逐步回归后发现,市值、资产市值比、营运杠杆、营业利润同比增长率和交易量五个因子吸收了因子库中的其他因子,是A股中最具代表性的预测因子。然后,我们依据上述五个因子构建交易策略,能够获得稳健、可靠、超越沪深300的收益率。最后通过机器学习算法进行优化,发现神经元网络有不错的优化效果,最终得到一个基于神经元网络的量化策略。本文的实际价值,一方面,通过在A股市场复制因子并检测其有效性,构建了因子库,为专业量化投资者提供参考;另一方面,构建基本面因子为主的量化策略,通过展示其在A股市场的稳健表现,有助于传播价值投资理念。除此之外,本文在构建策略过程中使用了较为前沿的机器学习算法,对探索AI算法与量化投资的结合方面具有借鉴意义。