随着计算机的进步和人们投资理念的发展,相较于传统的依赖于个人的观察和操作来进行定性投资的方式,量化投资方式由于其自身的科学与理性成为越来越热门的投资方式,广泛使用于投资领域之中。而事件驱动型投资策略作为量化投资的一个补充策略,是寻找某一特定事件发生后对于股价的影响。作为主流策略之一,事件驱动型投资策略在投资界有着亮丽的市场表现。目前市场上常见的事件驱动型策略大都是针对微观事件(个股事件),比如高管增减持、股权激励、重组并购、限售股解禁等个股事件。但是缺少针对宏观事件和中观事件的事件驱动交易策略。本文则选取研究较少的政策型事件投资主题“一带一路”作为驱动事件的研究对象,创造性的将机器学习选股模型应用到事件驱动型投资策略之中,用于构建一揽子的事件型主题投资股票组合。本文首先对本文选取的样本事件进行分析。通过事件研究法,以2013-2018年发生的“一带一路”事件为样本,研究相关主题事件出现时,上市公司的股票价格是否因此事件的发生而生出变动,出现异常报酬CAR的问题,并运用统计分析的方法对事件的显著性进行检验。研究结果表明,分析发生“一带一路”主题事件时,相关股票会有显著为正的超额收益率,验证了相关事件的公司股价在短期内可以获得超过大盘指数的收益率的猜测。然后以2019年3月25日发生的具体“一带一路”主题事件为驱动事件样本,构建支持向量机、随机森林、神经网络三种分类模式识别的机器学习模型,并对模型进行不同方法的优化,再通过对比分析三种模型对涨跌分类的命中率以及构建股票组合的回测收益,最终确定使用遗传算法优化的BP神经网络模型作为本文的量化选股模型,从该主题事件中寻找可以受益的公司进行投资,并构建一揽子的事件型主题投资股票组合。最后通过总结前面两条研究结果,构建事件驱动交易策略方案,并以2019年发生的七件“一带一路”主题事件作为事件样本进行仿真交易,并带入历史数据进行回测,并从收益、风险及综合业绩表现三个维度构建多种评价指标,验证最终构建交易策略的有效性问题。计算结果显示,本策略投资组合相较于大盘指数收益更好,风险稍高,综合业绩表现更好。本文最终构建的事件驱动交易策略是一种短期投资策略,其对事件驱动策略的研究框架和研究结果可以作为投资者做出投资决策的辅助工具,为投资者在研究事件驱动策略方面提供一种新的投资思路和选择。