生物医药行业是各个国家重点战略性新兴产业,是朝阳性行业。近年来,全球在研新药年复合增速为8%,美国等发达国家在研药数量占比高。我国自生物医药被纳入“十三五重点发展规划”以来,迎来了广阔的增速空间。日益频繁的投融资活动、药企对创新药的巨大需求、成熟的美股市场、快速发展的香港生物科技板及我国科创板的设立,无不凸显出生物医药行业的投资价值与投资机会。近年来,随着人工智能的逐渐发展,将智能算法融入选股方案的方式因其稳定性高、资金容量大且收益可观而日益被广大投资者接受和使用。因此,本文借助机器学习算法,选取全球生物医药板块356家企业2011至2018年的数据,构建了一种基于Stacking框架的XGBoost-RF-Light GBM融合模型的选股方案。首先,本文基于生物医药行业特点构建指标库,利用特征重要性排名和热力图剔除无效指标,并对缺失值作了处理。实验结果显示,生物医药行业的成长性指标及特征指标在之后的选股方案构建中起到了重要作用,说明该板块注重成长与新药研发的特点。随后,本文在Stacking第一层构建了XGBoost和随机森林模型,第二层构建了LGBM模型,并将三者进行融合,以得到最终选股方案。本文的输出指标是预测为涨的概率,筛选股票的标准是将各期预测概率排名前60的股票进行持仓。最后,对该选股方案进行模型评估、回测检验及模型对比。研究结果表明,本文构建的选股方案平均收益率为17.78%,比行业平均基准收益高出8.99%,夏普比率平均为0.29,最大回撤为25.21%。整体来看,该方案能够获得远超行业基准的超额收益,且其最大回撤也相对合理,故模型有效。此外,本文构建的融合模型较其他模型具有更好的分类能力和更高的稳定性,有利于提高选股精度和选股稳定度,能帮助投资者在该板块获取稳定的超额收益。