随着数理化分析和计算机科学技术的日益完善,投资者不再满足于传统的定性分析投资,计算机技术的飞速发展与股票投资相结合形成了一种新兴概念—量化投资。尽管近年来量化投资利用计算机技术和简单的数学模型得到了长足的发展,但过于简单的数学模型不能很好的适应当前愈发复杂的金融市场环境。例如随着社交网络和多媒体的广泛发展,越来越多的资源可以被量化投资所应用,而简单的数学模型无法很好的利用这些资源,譬如财经新闻、社交舆情等文本信息。为了解决上述问题,本文设计并实现了一套基于机器学习的量化投资系统,将量化投资系统与机器学习相结合。本文设计实现的量化投资系统包括前端界面模块、数据模块、数据预处理模块、用户模块、监视模块、策略模块、算法交易模块和数据库八个模块,其允许用户通过前端界面进行相应的查询、量化交易等操作,其中量化交易作为核心功能是在策略模块得到价格预测上涨置信度最大的股票,通过算法交易模块进行交易。此外,本文针对策略模块和算法交易模块分别提出了基于分层互补注意力网络(Hierarchical Complementary Attention Network,HCAN)的股票价格趋势预测算法和基于卷积-长短时记忆网络(Convolutional-Long Short Term Memory,C-LSTM)的成交量预测算法。HCAN首先对新闻进行分词和生成词向量,然后将标题和内容的词向量作为HCAN的输入,用股价趋势作为HCAN的输出。C-LSTM通过卷积提取出天级别、周级别和月级别的周期性特征,并融合实时数据利用LSTM对下一时间段成交量进行预测,为了捕捉实时数据特征,本文利用在线学习的方式对C-LSTM模型进行实时更新。基于算法评估结果可知,本文分别提出的股票价格趋势预测、成交量预测算法和其他先进算法相比,提高了相关的预测精度。同时,通过对系统的功能和非功能测试,可知本系统在功能和非功能两方面均符合预期效果,验证了可用性和收益效果等。