当下金融行业二级市场的实际交易活动中,根据预先设定的算法程序,自动化选择交易标的与执行交易指令的量化策略越来越普遍和重要。有效的量化策略能够排除人为的偏见和情感因素,发挥程序化的优点,快速准确的执行指令,节省交易的精力和减少交易错误,创造相对稳定和持续的收益。然而量化策略这一名词涵盖的内容非常广泛,根据诸多不同的算法和数据处理方式编写形形色色的预先选股或者执行交易的程序,都可以被称作量化策略。基于我国A股市场有涨跌停限制和T+1交易规则的特点,根据不同的选择标准输入参数因子,帮助进行标的交易股票的筛选的量化选股策略目前研究众多,但大多数主流量化选股策略依然采用的是传统多因子线性回归模型,通过挖掘不同的因子对股票收益的贡献度构建投资组合模型。本文针对非线性和动态的市场进行了新的尝试,在机器学习算法模型基础上构建新的因子选股策略与传统多因子回归模型进行对比。其次,针对传统量化选股模型的标的往往为基于指数的一篮子股票,包含多个行业以分散风险,本文根据作者在医疗行业工作研究的经验,将投资标的限定在医药板块,通过行业基本面分析,深度发掘对企业表现有影响力的各种因素,结合数种不同的机器学习分类算法,最终构建了一个基于简单参考因子和机器学习算法模型的行业内选股策略,并在回测中获得了良好的效果。本文将主流的传统量化选股策略与目前热点的机器学习算法策略进行了对比探讨,对于进一步开发更精细的新型量化选股策略以辅助投资决策也提供了依据和借鉴。