针对量化投资策略的设计,考虑到任何一个风格因子都不可能长期产生稳定的Alpha收益,设计基于XGBoost模型的多因子研究动态调仓投资策略。首先以Wind量化平台因子分析中的因子为基础,初步构建因子库;其次通过数据预处理和因子有效性检验,选择了净资产收益率等7个典型因子作为选股多因子;然后用XGBoost模型进行因子特征重要性分析并进行因子IC预测和单因子择时分析;紧接着合成因子进行多因子动态调仓实证,以中证500成份股为股票池,以2012年1月4日至2021年12月31日为样本研究期间,采用因子等权策略、基于XGBoost固定训练动态调仓策略和基于XGBoost滚动训练动态调仓策略分别进行回测,得到三种策略的样本外净值曲线;然后为了减少交易成本对收益的侵蚀,考虑限制换手率的多因子动态调仓策略;最后对比XGBoost动态调仓滚动模型策略和因子等权及动态调仓固定模型策略的回测结果。回测结果表明XGBoost滚动训练动态调仓策略在4年的回测中年化收益率达到22.59%,高于因子等权策略的10.81%,同时累积收益率更是高达109.42%,信息比率为1.85。在市场经济较为宽松的年份里,基于XGBoost模型滚动训练的多因子策略能够获得更高的超额收益;在市场风格剧变的年份里,该策略也能迅速反应,将回撤控制在最小的水平,获得比因子等权策略更好的表现。该基于XGBoost模型的多因子选股策略设计的优点在于:首先,在因子的选取上,该策略除了考虑基于财务面和技术面的风格因子外,还引入了沪深300月涨跌幅等市场变量和CPI同比等宏观变量,增强了对风格因子的预测能力;其次,综合运用回归法、因子IC法和因子累计收益率法检验因子,因子有效性检验方法更加系统性多样性。最后,该策略为减少交易成本,构建股票缓冲池以限制策略的换手率,增强了策略的实用性,实证结果表明当股票缓冲池个股数占比为10%左右时,可以有效减少交易成本对投资收益的侵蚀。该策略的设计与运用为多因子选股问题提供了新的实践视角,对于优化投资者的资产配置和提升投资收益具有一定的指导意义。