随着国内资本市场的不断发展,我国居民资产增值的需求也越来越高,由于普通投资者对风险认知不足、频繁交易等原因导致投资收益与期望不符。证券投资基金以其专业的管理和资产配置受到无数投资者的青睐,特别是近几年越来越多的年轻人选择基金作为主要的投资工具,使得我国基金市场达到空前的繁荣景象,公募基金的数量也不断增加。然而并不是所有的基金都能为其投资者带来超额收益,部分基金甚至为投资者带来巨大损失,如何选择合适的基金进行投资成为了基金投资者不可避免的难题。伴随着基金市场的火热,不少学者对基金投资展开了研究并且通过回测分析了基金投资策略的有效性,多数研究仅局限于资产配置层面,很少涉及到基金的选择。近年来,随着量化投资的发展,有学者尝试将量化投资方法引入到基金投资领域中来实现基金投资组合中子基金的选择,但大多是基于基金业绩构造因子实现基金筛选,而我国基金经理变更频繁,导致基金投资风格容易发生变化且基金业绩持续性较差。因此本文尝试从基金经理角度出发,挖掘基金经理业绩评价因子,对基金经理未来业绩进行预测来筛选基金经理进而完成基金的筛选。实证分析方面,本文选取了能够真实反映业绩的主动型基金作为基金池,首先通过主动型基金的业绩表现构造出其背后的基金经理业绩评价指标,接着采用机器学习中的随机森林、XGBoost及Light GBM模型对基金经理业绩进行预测,通过预测结果选择目标基金经理管理的基金作为子基金。之后利用常见的资产配置模型即等权重配置模型、最小方差配置模型及风险平价配置模型完成组合资金权重分配来构造基金投资组合。最后利用2018年至2021年的数据对策略进行回测,利用常见的业绩评价指标对策略进行评价。实证结果表明,在考虑交易费用的情况下,基于基金经理评价角度构建的基金投资组合能够实现远超于市场基准的收益率,说明了本文策略的有效性,同时也为基金投资提供了新的思路和方向。