股票市场是我国金融市场中的重要组成部分,具有资金融通、资源配置和风险分散的重要功能,如何通过财务信息预测股票价格变动是投资者、经营者和监管者共同关注的重要问题之一。首先,在理论方面,本文回顾了财务信息对股价影响的相关研究以及价格预测相关研究,分析了财务信息作用于股票价格的机制,介绍了机器学习算法原理。然后,在实证方面,本文的研究对象为中国所有上市公司,研究样本为中国上市公司从1991年到2020年的季度财务数据和股价数据,研究方法为四种机器学习算法——逻辑回归、K近邻算法、随机森林和神经网络,研究目标是挖掘财务信息中的有效信息对股票价格变动方向进行预测,并比较分析四种机器学习算法的预测结果。同时,本文构建了简易合理的交易策略,根据预测结果对各个预测模型进行回测,使用累计收益作为具体指标比较策略结果。最后,在不同的时间区段进行稳定性检验,比较分析不同区段上各模型的预测结果和策略结果。结果显示,基于随机森林算法构建的模型具有最佳的价格预测表现和最优的策略结果表现,并且通过稳健性检验,相对其他算法更加适合股票价格变动预测和投资应用;在所有46个财务指标中,发展能力指标的相对重要性较高,偿债能力指标相对重要性最低,说明投资决策应当更加关注上市公司的成长能力,同时注重综合分析。