关于基本面的投资组合研究盛行已久,国外在上世纪就有大量关于基本面数据配置组合的研究,国内于世纪初也有相关的跟进研究,众多学者尝试在A股市场运行国外的基本面配置方法。本文使用传统方法与机器学习方法,基于A股市场的上证50指数展开相关研究,研究窗口期为2010年——2018年末,探究近年来基本面构建投资组合在A股市场是否可行。第一部分是基于传统的基本面加权方式,在国内外相关文献的研究基础上做出相应的改进,以公司净资产,现金流,营业收入与货币资金的大小重新分配权重构建基本面投资组合,采用多种构建形式,一方面验证国内相关文献,另一方面寻求更优的配置方法,同时就组合的性质展开深入研究;第二部分使用非参数化模型,基于30个基本面特征属性,采用机器学习的方式选股构建投资组合,并展开多时期的具体分析与多空组合的理论构建,我们的多头组合是依据上期基本面特征选取本期正向评级中的低波动成分股,期望其延续收益性,空头组合则是依据上期基本面特征选取本期正向评级中的高波动成分股,期望其收益反转,结果显示,这样的对冲收益远超过算法的多头组合,且每期收益更为稳定高效。两类构建方式的实证研究结果显示,在实证期间所有组合都具有超额收益,前者展现出低波动的特点,詹森阿尔法检验的β值普遍小于1,总体而言在上行市场,基本面数据加权组合收益走势不如市场本身,下行市场基本面数据加权组合损失更低;算法组合则是呈现高β,高波动的特征,在上下行市场展现的相对于市值指数的走势特征与基本面加权组合相反。本文尝试在A股市场复现国外的基本面研究方法,相对于国内学者的研究,一是展开更为全面深入的组合探究,采用多种方法,同时将时间推移到近几年,在我国数据披露更为完善的时期,基本面数据具备更高的可靠性;二是同时将机器学习方法直接与底层的基本面数据相结合,而非集成的基本面因子数据,更为直观的反映基本面数据的价值。验证基本面组合的构建具备一定的可行性,对于A股市场有诸多好处,一方面是对于上市公司而言,会更加注重公司的基本面,提升公司运营质量,另一方面对于投资者而言,可以更好的筛选质量股,形成良好的投资习惯,减少追涨杀跌的行为,主动进行长期可持续投资,再者是对于大型管理基金,也可以获取更好的投资管理方式。