量化金融的研究主要有两个方面：一是通过大数据从众多只股票中选择可以一些有投资价值的股票，即“选股”；二是通过大数据分析一只股票适合买卖的时机，即“择时”。其实，这两个方面的研究归根到底还是预测股票未来的涨跌情况。随着计算机技术的快速进步，许多专家和学者们渐渐开始研究数据挖掘和机器学习方法，并不断尝试将其应用到优质股票筛选和股票交易时机选择的问题当中。Sorensenetal（.2000）选取了EPS-Price、Price-MOM等六项指标，将这六项指标作为基础建立了决策树模型。然后将该模型运用到美国股票市场上的科技板块进行实证分析。在进行实证分析后他发现了运用该模型筛选出来的股票投资组合得到的收益水平还是相当可观的。赵永进等（2005）第一次将机器学习方法和量化选股模型引入到中国股票市场上。他们认为能够把公司中的一些核心财务数据以及相关行业数据提取出来进行量化选股。