随着我国金融业的发展壮大,影响A股市场的因素在不断增加,传统的研究方法在价格预测上的表现越来越差,而人工智能时代的来临使得我们有了更先进的工具来研究资本市场。本文利用机器学习相关算法探究A股市场背后的运行规律,为投资者在投资决策时提出相关建议。本文将机器学习中经典的决策树算法应用到了上证综指的涨跌预测中。首先,本文从基本面、技术面和市场情绪面构建了解释变量的大类因子库,其中还创造性的利用龙虎榜数据构建了机构看涨情绪因子。接着,本文对因子库中各子类因子做了单因子分析,包括三分位数法t统计量检验和单因子策略回测,筛选出对上证指数涨跌预测最显著的7个解释变量。然后,基于决策树中的CART算法,本文利用上述7个解释变量分别构建了基于静态决策树和动态决策树的交易策略,并将该策略与买入持有策略作对比。最后,本文在基于动态决策树的策略的基础上,对树的深度进行了敏感性分析。本文最终得出三条结论:第一,基于机器学习中决策树算法的上证指数预测模型有较强的预测能力,该模型能显著获得超额收益;第二,动态决策树模型相比静态决策树模型有更强的预测能力;第三,随着决策树深度的增加,预测能力呈现先增加后减小的规律。