证券市场是市场经济发展到一定阶段的产物,也是完整的市场体系的重要组成部分,但近年来股票市场的复杂性和投资的风险性不断增加,趋势性量化投资这一问题开始逐渐受到投资界和学术领域的关注,而风格轮动就是趋势投资的一种类型,其主要表现就是随着市场经济环境的变化不同风格的股票收益率轮番占优。而目前风格轮动的研究主要集中在行业轮动以及多因子选股等方面,较少关注于大小盘风格轮动的择时问题。但是准确的判断大小盘占优风格是进一步选股的前提和基础,也是影响投资收益的重要环节。因此本文从大小盘风格轮动效应的角度出发,利用2005-2021年中国A股市场的数据,研究如何利用机器学习算法预测股市大小盘的占优风格,并选择恰当的风格标的进行投资,研究的主要内容及研究方法如下:（1）通过对大小盘风格轮动的研究现状和理论进行分析,本文结合经济学、行为金融学以及证券投资学的相关原理,从宏观经济、微观市场、投资者心理三个方面选取了影响大小盘风格轮动的特征,并说明了其作为大小盘占优风格预测特征的合理性。随后通过实证的方法进一步验证大小盘轮动现象的存在性,利用大小盘指数收益差作为验证指标,结合统计数据分析证实了我国股票市场中确实存在大小盘轮动的现象,为后续进一步的研究奠定了基础。（2）基于机器学习算法对大小盘风格轮动进行预测研究。首先论证并选取了十种机器学习分类算法来预测大小盘轮动的占优风格,其中包括单模型、神经网络模型以及集成学习模型。然后将选取的所有特征输入到机器学习模型中进行二次筛选,根据筛选出的特征将数据集划分为四类,分别考察加入宏观经济特征及特征二次筛选后对模型准确率的影响。最后通过参数调优,将十种机器学习模型的预测结果进行对比分析,结果显示集成学习算法Stacking在多个评价指标下都取得了最高的准确率,后文考虑使用该模型的预测结果进行回测并与传统布林带策略进行对比分析。（3）从实践应用的角度出发,对大小盘风格轮动策略进行研究。本文使用沪深300和中证500作为投资标的进行回测,以更好的观察风格转换对投资收益的影响。通过最佳集成模型确定大小盘换仓节点,将其回测结果与传统布林带策略和单线策略从收益率、最大回撤率和夏普比率等多种评价指标进行对比分析,最终确定了本文提出的基于机器学习的大小盘风格轮动择时策略能够有机会获取更多的超额收益。基于上述的研究内容,本文的主要贡献如下:（1）本文丰富了证券市场大小盘风格轮动及影响因素的研究,由于股票投资的复杂性,目前风格投资的研究也比较局限在行业轮动领域。本文通过总结大小盘风格轮动的研究现状发现,目前对大小盘影响因素的研究分析中,所使用到的方法侧重点不同,本文在理论分析的基础上本着系统和全面的原则选取了宏观经济、微观市场和投资者心理三大类的特征,并且为了进一步提高模型预测的准确率,基于基础特征构建了一系列的衍生特征加入到模型中,并论证了宏观经济特征的加入是否会提高模型的准确性,丰富了大小盘风格轮动影响因素的研究。（2）本文的研究为大小盘风格轮动择时问题提供了一个新的角度,目前大小盘风格轮动择时策略的研究中,鲜有研究使用机器学习来判断风格切换的节点。国内外学者多通过构建技术指标展示大小盘风格走势的强弱,并结合布林带判断风格的转换时间点,但是传统策略存在滞后性和粗略性的问题。本文通过对比多种机器学习算法的预测效果,选用了最佳集成学习模型构建大小盘风格轮动择时策略,进一步丰富了股市风格投资策略的研究,有利于投资者进行更合理的资产配置。（3）本文提出的机器学习择时策略优于传统的投资策略,通过对比传统布林带策略和本文择时策略在指数型投资标的回测收益率,结果显示本文提出的择时策略在多个评价指标上优于传统的策略,也证明了基于现代技术的发展可以构建更加精准的预测模型。投资者在更准确把握轮动方向的基础上,也可以将资金投向指数型的股票或基金,一方面可以免去选股的不确定性,另外跟随市场的收益也可以将风险分散化,同时在为投资者提供更多投资选择的基础上也能够进一步促进股票市场的繁荣和发展。