计算机科学的高速发展为各领域带来了计算量化的前景,由此衍生了许多交叉科学领域。其中,量化投资作为金融与计算机科学的交叉领域,得到了众多国内外学者的研究。目前的量化投资研究主要从基本面、技术面、投资者情绪、新闻舆情等层面进行探讨。然而,2008年金融危机对世界经济造成的严重结果表明在量化投资交易的研究中还应关注系统性风险。实际上,宏观经济的不确定性就是一种系统性风险。广义中的风险既可以是损失,也可以是收益。那么在日趋复杂的宏观环境下,如何利用风险构建有效的量化择时策略并获取收益是本研究的重点。本文首先利用宏观不确定性变量与股票市场的关系预测股市涨跌。具体说来,选择多个与股市相关的不确定性变量如国际原油市场走势、经济政策不确定性、地缘政治风险等,基于训练集数据建立GBDT（Gradient Boost Decision Tree）算法的股市预测模型。然后,根据预测模型计算得到预测值,以及各宏观不确定性变量对股市走势的相对影响占比大小。最后,依据上述预测结果,结合股市“杠杆效应”,使用Python编程语言构建量化择时策略,并在聚宽量化交易平台运行回测,实证分析策略的有效性。其中,以上证综指成分股为研究对象,所有数据的时间跨度为2010年1月6日到2022年2月18日,经过匹配整理得到2640个交易日的数据,并将前1640个数据作为训练集数据,后1000个数据作为测试集数据。需要说明的是,回测期间为2017年11月30日至2022年2月18日,跨越了牛熊市,具有相当的实际参考价值。经过一系列的研究分析,本文得出以下结论:第一,通过建立嵌入多个宏观不确定性变量的GBDT算法预测模型得到各变量对股市走势的相对影响占比大小。其中,国际原油市场走势对我国股市的影响在所有宏观不确定性变量中占比最大,表明在股市投资中应多关注原油市场的走势情况。第二,本文构建的策略收益远超大盘30%左右,且策略波动率低于基准波动率,策略风险较小。在熊市阶段,策略抗跌能力强,躲过大跌,在牛市阶段,能抓住牛市红利,策略最高位收益比大盘最高位收益多约40%左右。在宏观不确定性事件叠加时期,依然表现稳定,充分实现了研究的目的。第三,本文更换研究对象为沪深300进行稳健性检验,结果表明,总体说来,本研究的策略具有稳健性。具体说来,本研究的各宏观不确定性变量对沪深300成分股的总体影响与上证综指成分股的影响基本一致,策略表现优于大盘。