创业板又称为第二股票交易市场,为未满足主板上市要求的创业型企业提供融资渠道和成长空间,其以进入门槛较低的特点吸引了众多中小型创业企业。自2009年正式上市以来,创业板市场规模不断扩大,投资者关注热度也在不断上升,但创业板中大多数的流通个股普遍存在市值规模较小、抗风险能力较差的缺点,如何选择更优秀的创业板个股进行投资成为了困扰投资者的一大难题。量化投资结合统计学及金融学知识构建投资策略模型,运用计算机实现程序化交易,是一种便捷高效的投资方法,但其投资策略的效率和收益往往取决于模型所选因子的有效性,自Fama和French提出著名的三因子模型以来,大量的有效因子被市场挖掘,但特征因子的有效性在市场环境不断变动的影响下可能会出现重大变化,如何高效准确地选取有效因子成为了学术界关注的热点。机器学习以其快速处理海量、高维度数据的优势,在多因子选股模型中得到广泛适用,故本文以较为先进的XGBoost算法为核心算法,选取基本面类因子、技术面类因子等共259个作为因子库,通过滚动训练期方法筛选最为有效的前50个因子,针对创业板股票建立选股投资策略,通过回测验证了该算法具有一定的实际参考价值。首先,本文对创业板进行研究,通过分析近年创业板市场特征,发现在该市场运用量化投资的方法具有一定的可行性和必要性;其次总结创业板个股特点并与主板对比分析,发现创业板个股具有高溢价、高波动率的特点,故在创业板市场可采取短期、积极主动的量化投资方法。其次,本文分别选用SVM算法、GBDT算法和XGBoost算法构建选股模型,样本数据集为2017年初至2021年底创业板个股相关数据,发现GBDT算法及XGBoost算法的AUC值均高于0.7,验证了机器学习算法在创业板选股的可行性;对比各算法的优缺点和预测结果,发现XGBoost的实际参考价值更高,该算法在创业板量化选股中具有一定优势。最后,本文基于XGBoost算法在创业板市场构建投资策略,测试样本为2020年1月1日至2022年1月1日的创业板股票,基于选股模型的解释能力设置了持股期为5天、10天的投资策略,发现XGBoost算法的5日、10日持股策略夏普比率均超过1,累计收益率分别达到了142.49%、190.93%,超额收益率分别达到了61.19%、109.63%,其构建的投资策略在创业板市场中具有一定实际参考价值;同时基于SVM、GBDT两种算法构建10日持股期策略,发现其评价指标弱于XGBoost,故XGBoost算法在创业板市场中构建投资策略更为实用。基于以上分析,本文得出如下结论:首先,在创业板市场进行投资可采取短期、主动的量化投资方法;其次,XGBoost算法在解决创业板选股问题中具有较强优势;最后,基于XGBoost算法构建的短期投资策略具有一定的实际参考价值。