随着金融业和计算机技术的快速发展,为获取超额或稳定投资收益的量化选股研究在我国已经逐渐兴起。因此基于机器学习算法构建量化模型进行股价预测和投资指导十分有必要,但股票市场是一个复杂的非线性系统,利用传统算法构建模型作为股价预测和投资指导的工具,具有很大的局限性,且传统量化模型偏单一。因此本文将基于主成分分析法进行上市企业财务状况评价研究、基于主成分分析法与BP神经网络的结合方法进行股价预测研究和传统的选股分析方法组合构建多样化的量化选股模型。因为近年来神经网络对于处理非线性问题展现出了独特的优势,神经网络通过对股票历史数据的学习,将股价变化的规律存储在神经元的权值中,通过运用训练好的网络来预测未来股价。本文的主要工作具体为:首先通过运用主成分分析法对深圳A股市场上广东地区的上市公司主要财务指标数据进行分析得到了评价指标综合得分,依据综合得分可以直接且全面的了解上市公司的财务状况,实证研究表明该模型评价方法的有效性。其次本文将财务指标数据和交易指标数据同时作为股价预测研究的输入变量,实证研究发现基于主成分分析法和BP神经网络的结合方法进行股价预测能够有效且准确度较高的评判股票下一年同季度的涨跌情况,我们采用了三种BP神经网络算法进行实验,其中基于贝叶斯正则化算法的BP神经网络构建的模型预测准确度最高且模型训练过程中能够有效避免过拟合现象,预测值与实际值误差较小。最后本文的综合选股方案为:先选取基于主成分分析法进行上市企业财务状况评价研究所推荐的前25%的股票,然后再选取基于主成分分析法与BP神经网络的结合方法进行股价预测研究所推荐的前25%的股票,最后结合传统的选股分析方法综合分析选取上市企业财务状况评价研究和股价预测研究两者共同推荐的前25%的股票中的小盘股作为下一年年中最优的投资股票。