近年来,量化投资因其投资业绩稳定,备受投资者的关注。国内量化产品市场规模不断扩大,量化投资也作为一门专业的学科逐渐地踏入券商与学者的视野当中,在金融工程领域成为了主要的研究方向。多因子选股模型作为量化投资领域运用的最成熟和最广泛的选股模型,也是国内各券商与学者经久不衰的研究议题。它是建立在资本资产定价(CAPM)、套利定价理论(APT)等金融投资理论基础之上,核心思想在于捕捉能够解释股票收益率的相关因素,借助历史数据去挖掘有效因子构建投资策略,并严格地按照策略所构建的数量化模型来构建投资组合,利用主动投资组合管理来获取超额收益。随着机器学习的发展,各种计算机算法也被运用到多因子选股中,多因子选股策略也随之不断的更新与丰富。本文中以沪深300成分股为研究对象,分别建立回归法下的多因子选股模型和GBDT选股模型。在筛选因子的阶段采用Fama-Macbeth检验、相关性检验,运用前向逐步回归的方法进行冗余因子剔除,筛选出有效因子建立多元回归模型。在建立GBDT多因子模型时,将通过参数优化、因子训练方式构建选股模型。实证回测期间,分别运用两种模型对股票收益进行预测,按照预测收益率排名,选取排名前15的股票构建投资组合,通过12期的动态组合持股,对比两种模型的组合综合表现。通过比较两种选股模型的投资组合情况可知:(1)对比于沪深300基准,两种模型都能取得可观的收益,同时也验证了两种模型在我国股票市场的可行性和有效性;(2)在综合表现上,多元回归模型表现取得的收益要高于GBDT选股模型,但在胜率与风险角度下看,GBDT选股模型更加稳健,胜率更高,而相对的多元回归模型风险波动更大。