自量化投资问世以来,便表现出了惊人的业绩,引起投资者的广泛关注。它通过从宏观经济、市场环境、行业风格、股票基本面和技术面以及投资者情感因素等多方面进行分析,构建能够发掘市场阿尔法盈利空间的数学模型,由计算机来完成交易,使高频交易成为可能,并可以防止传统投资中交易者主观情感的干扰,使投资决策更加理性和准确。量化投资在国外已经有长达40年的发展历程且方法策略日渐成熟,但是在我国还处于起步阶段,仍需探究适合我国股市特征的量化投资策略。另外基于我国股市仍是非有效市场,注册制的推出将使得股票数量增加,普通投资者辨别股票质量好坏将更加困难等背景,我国股市更适合推行量化投资策略。论文针对我国A股市场检验证明了行业轮动现象存在的事实,从经济周期和货币周期两方面分析了行业轮动的原因,并结合量化投资中常用的多因子选股模型,将行业分为周期性行业与非周期性行业,分别找出两种行业的有效因子,尝试将基于粒子群优化算法(Particle Swarm Optimization,PSO)的支持向量机(Support Vector Machine,SVM)模型用于行业轮动识别,构建基于行业轮动的证券投资组合以优化多因子模型的盈利能力。实证结果表明,基于行业轮动的多因子选股策略可以较好地战胜全行业多因子选股策略、行业风格固定多因子选股策略、逆行业轮动多因子选股策略和基准指数,获取可观的超额收益。同时也减少了对行业基本面和公司信息的依赖,避免了宏观经济对不同行业的影响所造成的较大的不确定性,在一定程度上降低了投资的风险性。