随着计算机技术崛起以及我国金融市场的不断完善，量化投资作为一种科学有效的投资方法得到高度重视和广泛应用。其中，多因子策略是体系最完善选股策略。由于基于线性回归，其只关注线性的基本面和行情指标对于股票收益率的影响，却忽略了事件因素的非线性影响。本文首次将多因子模型与事件研究法加以结合，同时也是首次采用BP神经网络算法构建事件分类模型。以中证800指数为基准，成分股为样本，对于2015、2016两年进行回测。分别采用过去两年的数据，检验因子有效性。基于8种有效因子，逐月构建多因子模型。以信息比率为目标函数，采取5％持仓限制和市值行业中性限制，逐月建模获得股票权重。随后，基于多因子模型无法解释的残差，分为显著上涨、显著下跌和不显著三种标签，以16种事件因素作为输入，逐月训练事件分类模型。基于模型预测结果，逐周调整多因子选股策略得到的股票权重，进而得到事件驱动型多因子选股策略。通过比较发现，在2015年剧烈震荡的行情中，事件驱动型多因子选股策略有效改善了经典多因子策略的业绩，信息比率由2.119提升到3.107;而在2016年相对平稳的年份，则表现一般。