量化投资借助现代统计学和数学的方法，利用计算机技术进行证券投资交易。在量化投资领域中，多因子选股模型是国内量化投资领域应用最广、内涵最深、研究最多的选股模型。多因子模型中最核心的地方在于因子的选择，近年来，A股市场风格频繁变化，但传统筛选因子的方法具有较强主观性和时效性，多因子选股模型难以获取稳定的可观收益。
　　本文在梳理多因子选股模型基本原理的基础上，指出传统多因子选股模型在筛选有效因子过程中存在的不足，将最新的机器学习技术与多因子模型结合，优化了传统多因子投资模型。为了优化传统的多因子模型，本文选择Boosting算法中最前沿的LightGBM算法，对传统多因子模型中因子选取这一步骤进行优化，用算法代替人的主观选择，提出了基于LightGBM算法的多因子选股模型。本模型在经典多因子模型的基础上，首先构建了一个备选因子库；其次使用了LightGBM算法从备选因子库中筛选出有效因子；然后用得到的有效因子预测股票的涨跌，选取上涨概率最大的10只股票，构建每期的投资组合；最后，利用中国A股市场沪深300数据进行实证研究，研究结果表明，基于LightGBM算法的多因子选股模型具有较好的预测能力，在模拟交易测试中表现出良好的盈利能力。