【摘要】量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易，并从中获取超额收益，是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA (machine learning and technical analysis).该模型以技术指标作为输入变量，再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向，并根据预测的方向来构建投资组合.实证结果显示：第一，三种模型的年化收益率都在25%以上，远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看，三种策略也都远超基准策略和现有策略.以夏普比率为例，三种策略均在1.50以上，而市场指数的夏普比率为0.38.第二，Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.

　　【关键词】量化投资, 机器学习, 技术分析

　　本文刊登于《系统工程理论与实践》2017年05期。