股票市场是金融市场中一个十分重要的组成部分,股票价格的高低波动不仅是股票市场的运行基础,同时也会直接影响到投资者的投资利益。投资者在进行股票投资的时候,通常会根据宏观经济指标以及公司财务指标来进行决策。在股市交易中,股价数据随时都在发生变化,而且这种股价的变化往往也会对投资者的行为产生影响。相较于其它财务指标,股票本身价格的变动是实时的、迅速的,有些投资者对于这种实时变动的数据的关注可能更甚于每季度更新的财务数据。既然股价数据包含了巨大的信息,那么使用这些数据去对股票收益率进行研究是否会更精确有效呢?目前大部分证券研究所构建的股票投资策略都是基于行业分类,比较权威且使用较广的分类有证监会行业分类、申万行业分类、中信行业分类等等。这样的分类方式在许多场合确实有效,本文考虑基于股价数据的特征去给出一种新的股票分类方法,研究这样构建的投资组合是否会有更高的收益率。本文选取了2018年1月1日至2018年12月31日的交易日数据,选取了全部沪深A股的日收益率、动态市盈率、每股净资产、上海银行拆放利率以及每天上午的每分钟股价数据。由于股价数据是在时间t上的函数型数据,所以本文在第四章中拟合了日收益率与其它自变量的部分函数型线性模型。得到了能够描述股票股价波动趋势的系数α（t）。然后基于此系数曲线利用曲线聚类算法对样本股票进行分类。将所有股票按波动趋势分成了五个不同的类别。根据此分类结果和申万行业分类标准,构建了择时投资策略,分别计算总的投资收益率。在第五章中,使用2019年1月1日至2019年10月31日的数据做测试,将构建的投资策略模拟进行了10000次,实证结果表明:基于股价波动趋势分类的股票组合,总收益率的均值比基于申万行业分类的收益率要高,标准差比申万略低,且两者收益率均大于沪深300指数在同一投资期间的总收益率。