量化投资作为新兴的一种投资思想和投资方式,以数据为基础、投资策略为脉络、以模型为核心,正以其严谨的客观逻辑、精确、快速的交易方式的特点,获取总体稳定的收益和出色的风险控制能力赢得研究人员和市场越来越多的关注。而近年来,随着我国经济的快速发展,证券市场不断壮大,股票市场也越加的繁荣。投资者不仅面临着巨大的机遇,同时也面临着高风险。股票市场具有的复杂、非线性的特点,使得传统投资分析方法面临不小的挑战。而量化投资结合大数据形成的投资策略和方法在证券市场上优势也日益凸显。本文选取自2013年07月01日至2018年07月10日的平安银行股票数据作为研究对象,共有1228个股票交易日,选取共三十八个特征因子作为研究对象,结合数据标准化和主成分分析法,将特征因子进行降维处理,以第二天涨跌为输出数据,进行模式识别,最终建立针对该只股票数据的时间序列支持向量机预测模型。在处理过程中,对PCA-SVM模型通过网格搜索法进行参数优化。针对建立的模型,本文选取样本内外数据的预测准确率、精确率、召回率和f1-score作为衡量指标,对模型进行比较。根据模型形成的投资策略进行回测,结果表明量化投资策略能获取较市场更高的收益,同时在风险控制上表现出更好的优越性。