价值投资理论由格雷厄姆提出,经过几十年的不断完善发展,已经成为了一套完整的投资体系。在当今的主流投资市场上,价值投资得到了广泛的应用。我国股市由于起步较晚,且初期充满着各种非理性投资和内幕交易,这使得价值投资毫无用武之地。但在近些年随着证监会的从严监管,市场环境不断好转,证券市场逐步走向规范,投资行为也日趋理性。在此情形下,价值投资在我国证券市场上将有着广阔的发挥空间。而根据我国股市的实际情况对价值投资理论进行实证研究也就具有十分深刻的现实意义。在此基础上,本文将尝试从理论和实证两个方面展开。本文主要针对三个问题进行研究。(1)如何从A股市场上3000多家上市公司中找出那些业绩优异、成长性好的具有投资价值的公司。(2)如何从那些具有投资价值的公司中找出被市场低估的公司,从而建立股票池。(3)如何对股票池中的股票权重进行配置,以满足不同投资风格的需要。针对以上问题本文运用理论分析和实证研究相结合的方法进行研究。首先在理论分析中阐述了传统价值投资理论及其他三种投资理论(增长投资理论、指数投资理论和组合投资理论),然后在传统投资的基础上融合了其他投资理论的优点并在实证部分进行了体现。在实证分析中,针对第一个问题,本文采用BP神经网络的方法对有完整数据的2630家上市公司进行筛选,筛选的标准基于2014年至2017年上市公司的基本面信息,最终筛选出656家具有投资价值的上市公司。针对第二个问题,本文采用支持向量机和BSM模型对筛选出的上市公司进行估值,找出那些被价值低估的股票,最终找出91家价值被低估的上市公司,并建立了股票池。针对第三个问题,本文采用五种不同风格的权重配置策略(价格加权法、市值加权法、等权重法、均值方差模型以及BL模型)对股票池中的股票进行权重配比,并对不同风格的权重配置策略进行了比较,最终得出了等权重法配置出的股票组合收益率最高,最后将这五种不同风格的权重配置策略所得到的收益率与沪深300指数的收益率进行对比,得出了通过基于机器学习的A股价值投资策略可以获得超额收益的结论。本文的特色在于在价值投资理论的基础上融合了其他投资理论的优点,并将机器学习的方法应用于价值投资理论的实际操作中,最终发现应用机器学习的价值投资策略在A股市场上可以获得超额收益。