股指期货市场的发展,对一国资本市场结构的完善是重要一环,对金融市场体系向健康全面的多层次发展,具有积极作用。进而有利于经济健康、安全发展,对重大系统性金融风险的防范化解带来正面效应。金融市场的改革创新在我国仍在进行,而股指期货市场尚在成长阶段,对于股指期货仍然存在着许多非议,相关制度也还在不断完善。因为杠杆性的存在,意味着股指期货市场的参与者在进行交易时,将面临更大的风险。能否对股指期货未来收益的变动趋势进行有效的预测,是进行股指期货投资的关键所在。对于金融数据进行分析研究,通过传统的模型进行预测时,往往需要满足一系列较为严格的假定,在面对资本市场非线性的特点时,往往难以取得令人满意的效果。然而随着计算机算法在不同领域的广泛应用,应用计算机算法对金融数据进行分析建模成为眼下金融领域的重要研究方向。由于机器学习对于非线性数据有着优秀的逼近能力,使得资本市场的投资策略得到了进一步的丰富,机器学习也因此受到量化投资研究的青睐。在国外金融领域的量化投资历经数十年的发展已经成熟,现如今量化投资领域是投资方式和学术研究的重要方向。其在中国资本市场当中的运用也在不断深化。随着计算机算法的快速发展,现如今各大金融机构不断将机器学习、数据挖掘等领域的技术方法应用到量化交易中,这种新的技术和方法也逐渐成为投资分析中研究与应用的重要领域。随着通讯技术的进步,5G时代已经到来,而由于计算机对于大数据处理分析的优势,成为金融市场上的量化交易策略,尤其是高频策略,一个不可或缺的技术手段。利用计算机进行算法交易,对人主观情绪的管理、交易时机的选择具有独特的优势。因此,在当前高频交易大量使用的背景下,利用分钟级别数据进行策略构建,通过计算机语言执行下单,使数据的获取和处理更为高效,同时更进一步有效的选择交易机会,而稳健的收益和风险控制能力,也随着交易频率的提高得到了提升。本文立足于我国股指期货的现实背景,旨在通过建立股指期货市场资金流量指标,客观反映市场运行状况的同时,为投资决策的进行添加依据,同时提升股指期货市场运行的高效性,使其更加完美的服务于我国市场经济的发展。首先,由于沪深300股指期货上市时间长,数据样本多,本文选取其主力合约作为股指期货市场的代表合约,进行下文资金流量和投资策略的构建。因为做空机制是期货市场内在极致的一环,但现有资金流量的计算公式只简单考虑了价格波动的影响,并未将持仓量的因素纳入计算范围。而期货市场的做空特性可以通过持仓量的变化体现。因此,本文将持仓量纳入资金流量的计算当中,并同时将价格和持仓量变化的加权影响考虑在内,综合建立资金流量公式。并与只基于价格变动计算的资金流量进行对比,本文所构建的资金流量指标可以更加客观的反映股指期货市场的发展规律,避免了之前基于价格变动计算的资金流量出现的趋势性错误。然后,出于本文希望通过资金流量指标进行投资策略构建的目的,本文利用VAR模型对股指期货市场的收益率与资金流量进行了分析,发现了前一期的资金流量对当期的股指期货收益率具有显著正向影响;同时进行了格兰杰因果检验,进一步验证的上述结论,最后利用脉冲响应分析从直观的角度反映上述结论。接下来,本文利用机器学习中常用的逻辑回归、决策树、随机森林、梯度上升决策树、朴素贝叶斯、支持向量机等模型进行收益趋势的预测,并利用网格搜索法,对不同模型中的超参数进行了调优操作,以期得到更准确的结果。之后在策略的构建过程中,本文除了单独应用上述模型外,还将其中的五组模型进行组合成综合模型,通过六种模型的预测结果选择最优模型构建策略。与以往研究的评价方式不同,本文将模型的评价指标,由关注整体的准确率分为,重点关注正例的精确率和重点关注负例的特异性。通过对比发现随机森林模型的特异性指标较好,综合模型对正例预测效果较优,故选择此二模型构建策略。最后,将构建的策略与普通的移动平均线策略进行回测对比,回测结果表明,本文所构建的策略获得45.97%累计收益,远优于移动平均线策略-12.69%的收益率;同时优于上证综指-6.42%的累计收益率,以及沪深300指数-3.37%的累计收益率,表现出本文策略的良好收益性。