随着新世纪居民财富的飞跃式快速增长和积累,每个家庭和个人都会面临如何让资产保值增值的问题,这对投资者提出了巨大的挑战。与此同时,如何为客户进行更加高质量、高效率的财富管理也成为银行、证券公司、基金公司和信托公司等金融机构面临的重大挑战。而在追求高质量、高效率资产配置和财富管理这一目标的背后,却蕴藏着多样化的金融与投资风险。随着信息科技与数字经济的发展、数理学与金融学、投资学等理论的交互融合以及金融衍生品的不断多样化,在人工智能和大数据的时代背景下,以AI技术推动量化投资发展,逐渐引起国内外金融界和学术界的浓厚兴趣和广泛关注。人工智能技术能够大幅度提高金融学、投资学和经济学中预测类研究的效果,以AI量化投资提升资产配置和财富管理水平,已成为金融科技和金融投资的研究热点。近年来,AI模型在量化投资领域已经扮演着越来越重要的角色,有效的AI量化投资策略将为投资者带来高质量的收益回报。结合人工智能技术,研究量化投资在提高金融产品收益、防范和控制金融市场风险、维护金融经济安全等方面都具有十分重要的意义。股票、基金、期货和保险等金融产品的价格波动受到多方面的因素影响,如供需关系、行业竞争、产业发展、国家政策和政治因素等,这些复杂的因素导致投资者在判断金融产品价格走势、做出投资决策时出现了较大的偏差,从而产生了巨大的投资风险。因此,建立科学有效的投资策略是非常重要和必要的,而当前量化投资策略研究中存在AI算法难以实现和大数据处理效率低的关键问题。针对于此,本文结合人工智能技术,基于BigQuant AI量化平台搭建高效的开发环境,利用平台独具特色的BigStudio可视化策略生成器,结合代码策略生成器的运用,实现简易、快速的试验迭代,交互开发科学有效的AI投资策略。采用StockRanker模型对中国A股样本数据集进行训练,对样本股票进行预测排序,根据AI模型预测的结果构建交易逻辑并进行模拟回测,以策略收益率和基准收益率做比对,使用年化收益率、阿尔法值（alpha）、贝塔值（beta）、夏普比率、胜率、盈亏比、收益波动率、信息比率和最大回撤这些评价指标对策略的有效性进行了回测验证,并通过BigStudio可视化展示了策略的回测结果。而后,本文进一步采用“扩展特征+超参寻优+滚动训练”的方式改进优化AI投资策略,相比改进之前,优化后的策略在上述十个评价指标上都有了显著的改善。本文使用的人工智能量化投资交易平台BigQuant封装了众多的机器学习算法,解决了当前量化投资研究中AI算法难以实现的这一关键问题;通过DataSource调用TB～PB级别的投资大数据并对其进行深度学习,极大提升了大数据处理速度,提高了 AI投资策略的研究效率。基于BigQuant平台构建的AI投资策略回测结果验证了 StockRanker模型对股票预测的有效性,改进后的投资策略回测效果更优,收益水平更高,抵抗市场风险的能力更强。本文使用智能化平台进行量化投资策略研究,为专家学者们提供研究借鉴和参考,为金融机构和金融监管部门提供科学决策依据,拓宽了量化投资研究的方法和思路,改善和丰富了量化投资策略。