本文主要研究Alpha投资组合,通过引进七种大类因子——基础类、动量类、技术类、流动类、质量类、估值类、成长类——进行AdaBoost训练以选出优质股票。先通过有效性检验,确定有效因子,再利用通过有效性检验的因子构建用于选股的因子体系。由于在金融投资中,人们对于损失比相同数额的收益更加敏感,因此在具体的AdaBoost算法的使用中,选择了多分类代价敏感算法用于股票的选择,并在实践的过程中对其予以改进。在实证的过程当中,选用全A股股票作为股票池,根据Wind一级行业对股票进行分类,再在每个行业中利用AdaBoost算法选出优质股票构成投资组合来持有,同时等市值做空中证500股指期货。在模拟持有的过程当中,初始资金量定为“1”,为了减少对冲的偏差,各行业的资金比例同中证500成分股行业构成,行业内股票资金均等分配,每月进行调仓换股。为了检验因子通过AdaBoost算法选股的合理性,同时模拟持有通过AdaBoost算法选择出来的优质股、劣质股,以及中证500指数来做对比。当以1个月为选股训练周期时,表现最出色的的是基础类因子,但是其表现仍然次于同期选股;因此考虑增长训练期,当训练期为9个月时,最终在全A股股票中取得了年化18%的收益,在同期选股中处于相对优异的水平。本文对于因子体系的构建和AdaBoost算法在Alpha选股中的应用具有一定的参考意义,充分说明了机器学习与金融投资相结合的必要性和优越性。