近些年,随着科技的发展,计算机性能显著提升,由此带来了金融量化投资与机器学习领域的高速发展,各种交易策略大量涌现。交易策略立足于量化投资,由数量化的方法和计算机程序相结合,是一种主动型投资管理,量化投资以其高效性、低错误率深受投资者偏爱,主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利等,其中又以量化选股最为流行。因此,如何设计一个可以获得超额收益率的量化选股策略,是当前投资者们关注的重点。本文研究的内容从因子的角度进行切入,意在通过有效因子的构建,进而搭建选股模型,设计交易策略,最终获取超额收益。实证过程中本文构建了基于时变加权LightGBM的多因子选股模型,选取中证500成份股2011年1月至2019年12月每月月初第一个交易日的因子数据作为数据样本,先从个股日内的高频数据出发,构建高频因子指标:RVol_t、RSkew_t、RKurt_t,对其进行检验分析,得出有效高频因子:RSkew_t,并以此因子的大小为依据,筛选中证500,得到每期的股票池,接着建立全市场低频因子库并验证其有效性。根据因子与因变量的相关性确定每期权重,每期动态改变,最后使用LightGBM模型进行训练预测。经回测该策略总收益为118.41%,年化收益率为14.26%,夏普比率为0.4275,超过80%的月份跑赢沪深300指数,净值为2.1841,远超沪深300,说明本文的多因子选股策略可以获得超额收益。