在金融领域内,越来越多的投资者涌入市场,同时量化投资领域内的研究者也越来越多。量化选股和量化择时作为量化投资领域内两个重要研究内容,若是制定出较好的策略,可以降低投资者进行投资时的风险,从而得到较为稳定的收益。本文选取沪深300作为股票池,2017年至2020年的因子和股票数据作为模型的训练和验证集,2021年数据用于测试模型及策略回测,研究量化选股与量化择时策略。在量化选股部分,先清洗数据并降维,然后构建基于A-GRU的多因子选股模型,选取每次预测2021年月收益率为排名前30的股票构建投资组合,并与GRU的分类预测效果进行对比,根据结果对比发现,A-GRU分类结果更为准确,由于注意力机制的加入,可以对模型的输入数据模拟出一系列权重,强化了模型对重要信息的提炼,减弱了非关键信息的影响,从而能够更好地识别出股票市场中收益率更高的股票组合,且回测表现收益更高,风险更低。在量化择时部分,根据因子数据预测每个交易日成分股股票的涨跌趋势,与按同样方法进行分类的GRU分类预测效果进行对比,发现A-GRU对涨跌分类更为准确。最终基于以上构建的模型及策略,建立三种策略进行对比,第一种选股策略,月初选股构建投资组合,年化收益率为27.1%;第二种择时策略,同时预测沪深300成分股下一交易日涨跌,年化收益率为17.6%;第三种将选股和择时策略结合,按月选股,再对选中的股票组合每月内进行按天择时操作,年化收益率可以达到35.3%。对三种策略进行回测,根据策略的净值曲线走势,还有夏普比率和卡玛比率等指标对比,最终选股和择时策略相结合能够获得超过单独策略的收益,且远超于沪深300基准收益,并且其抵御风险的能力较强,能够以较小的风险获取更高的收益,所建立的投资组合可以从中获取超额收益,为投资者提高收益具有较好的参考。