量化投资是金融市场上一种新的投资方式,它通过数学模型和统计方法进行决策,从而得到一个能够获得超额收益的投资组合。其中,多因子量化选股模型因其效率高、客观性强而受到业界和学术界的青睐。本文主要研究了如何将随机森林算法模型与支持向量机算法模型应用于多因子量化选股中,从而在不断变换风格的市场中取得高收益。本文首先选择了分布在估值类、盈利能力类、偿债能力类、经营能力类、成长类、行情类、技术类这7个大类共23个候选因子,对因子进行缺失值填充、去极值、标准化、中性化的数据预处理后,再对候选因子分别在牛市（2014.3.12-2015.6.12）、熊市（2015.6.12-2016.1.27）、震荡期（2019.5.6-2020.6.5）这三个不同的市场风格中选取有效因子池,所采用的方法为构建因子的有效性检验体系与冗余因子的相关性分析,分别筛选出8个、9个、8个相互独立且有效的因子应用于三个不同的市场风格中。其次,鉴于随机森林模型以及支持向量机模型既可以进行回归也可以进行分类的特点,本文将数据集划分为训练集、验证集以及测试集,通过5折交叉验证以及网格搜索的方式选出模型的最优参数对,在三个市场风格中分别构建了基于随机森林回归算法、支持向量机回归模型、随机森林分类算法、支持向量机分类算法的多因子选股模型并进行回测,并将结果进行对比分析。研究结果发现,本文选用的模型在牛市、熊市、震荡期都能够取得超出市场的收益,其中随机森林分类模型在牛市能够取得低风险高收益的成果,在熊市和震荡期也能取得高收益,但同时要承担更高的风险;而支持向量机分类模型可以在熊市以及震荡期获得仅次于随机森林分类模型的收益,同时承担较低风险。本文的研究为多因子选股模型研究提供了新思路,为投资者量化投资提供参考,对推动当下中国证券市场的发展有一定的意义。