随着中国社会经济飞速发展,沪深300、中证500以及上证50股指上市,股票交易市场逐渐规范成熟,便捷的股票交易方式带来庞大的市场交易数据,传统的人力投资手段难以应对市场海量交易信息,借助计算机程序化的量化投资方式在全球资本市场飞速发展,结合计算机技术和数理统计的量化交易受到众多投资者及基金公司的关注,随着人工智能技术的高速发展,深度学习运用于量化投资成为研究热点。首先,本文对量化策略交易过程进行建模,构建股票量化策略系统,根据多因子选股策略交易方法,设计一套面向公募基金投资管理的股票量化系统。详细介绍系统的功能开发需求和整体架构,实现程序化自动投资交易功能,通过量化交易替代传统人工交易操作,避免交易过程受到主观经验,市场情绪等因素影响。实现股票数据获取、数据预处理、历史数据交易、交易结果可视化等基础功能。为得到更好的投资收益回报,基于市场强有效性理论,市场走势短时间内呈现独立同分布规律,通过滚动训练方式动态优化交易参数,实现量化交易超额收益。最终投资结果对比沪深300基准投资收益,计算相应交易指标评估投资风险,衡量交易模型优化效果。其次,本文实现基于深度学习的量化交易系统,构建LSTM神经网络模型对股票价格进行训练预测,通过特征工程改进LSTM模型预测股票数据的滞后性问题,计算平均绝对百分比误差（MAPE）评估模型对股价的预测能力,同时结合多因子选股策略优化交易股票池,提升量化策略投资收益。本系统基于公募基金大体量、持续投资交易特点开发量化智能交易系统,使用B/S结构采用PHP和My Sql数据库等主流技术,结合多因子选股策略和模型预测功能,实现系统在历史数据上模拟交易,提升策略投资收益,通过系统交易验证,辅助用户在股票市场的投资决策。