Los efectos de impulso y reversión son fenómenos importantes en los mercados de valores. En la academia, se han realizado estudios relevantes durante años. Los investigadores han intentado analizar estos fenómenos utilizando métodos estadísticos y proporcionar algunas explicaciones plausibles. Sin embargo, esas explicaciones a veces resultan poco convincentes. Además, es muy difícil trasladar los hallazgos de estos estudios a estrategias reales de inversión debido a la falta de capacidad predictiva. Este documento representa el primer intento de adoptar técnicas de aprendizaje automático para investigar los efectos de impulso y reversión que ocurren en cualquier mercado de valores. En el estudio, se exploraron y compararon cuidadosamente varias técnicas de aprendizaje automático, incluidos el Árbol de Decisión (DT), la Máquina de Vectores de Soporte (SVM), la Red Neuronal de Perceptrón Multicapa (MLP) y la Red Neuronal de Memoria a Corto y Largo Plazo (LSTM). Se utilizaron varios modelos construidos sobre estos enfoques de aprendizaje automático para predecir el efecto de impulso o reversión en el mercado de valores de China continental, lo que permite a los inversores construir estrategias comerciales correspondientes. Los resultados experimentales demostraron que estos enfoques de aprendizaje automático, especialmente el SVM, son beneficiosos para capturar los efectos relevantes de impulso y reversión, y posiblemente construir estrategias comerciales rentables. Además, proponemos las estrategias comerciales correspondientes en términos de estados de mercado para adquirir los mejores rendimientos de inversión.