为了加大境内市场的对外开放程度,从我国于2014年开始正式实施陆股通制度。自陆股通制度施行以来截止2021年底,已累计超16000亿元净资金通过该渠道净流入A股市场。作为外资持有内地股市的重要通道,2021年资金净流入量再创新高,全年累计净流入资金超4000亿元,同比增长超100%,布局A股市场的进程再加速,引发市场的强烈关注。同时随着计算机技术的快速发展,量化交易逐步被金融机构和个人投资者广泛使用。量化交易技术利用计算机技术、数学工具和综合性的数据来做出合理的交易决策。近年来,深度学习等及其学习方法受到投资者青睐,并将其应用至多领域下。本文主要基于以上两个角度,将针对陆股通资金进行结构化拆解,并将基于强化学习等理论构建市场的量化交易策略,以此关注陆股通资金的交易行为对我国内地金融市场的影响。本文首先回顾了国内对陆股通资金的研究现状和股票市场的量化策略研究。介绍多智能体强化学习、卡尔曼滤波器、K-means聚类模型的理论知,并将陆股通资金根据其托管机构的交易特性将资金订单流进行拆分并进行描述。再将陆股通订单流拆解后,根据细分出的不同类型资金体现出的特点,将多智能体强化学习、卡尔曼滤波等模型应用至股票市场,构建基于交易型资金的大类配置收益择时策略。同时根据基于行业净流入因子的构建,对策略进行进一步优化,提出出基于陆股通资金的双优配置策略并对模型进行回测。研究显示,将陆股通订单流拆解后,交易型资金在多智能体强化学习算法和卡尔曼滤波原理帮助下,可以有效对大类资产配置进行择时。同时,结合择时信号和行业选择的双优配置策略也可在市场上获得超额收益。本文最后对模型提出了改进和优化方法,并对强化学习在A股市场的应用进行展望。