多因子模型是一类重要的选股模型，也是全球量化基金中，应用最广泛的一种选股模型。基本原理是采用一系列的因子作为选股标准，满足这些因子的股票被买入，不满足的被卖出。
多因子选股模型的构建主要包括以下几个步骤：
1、因子筛选：
a) 根据对中国证券市场运行特征的长期研究，利用长期积累并最新扩展的数据库，科学大量地考量了各类信息，选取估值(Valuation)、成长(Growth)、质量(Quality)、市场(Market)、和一致预期(Forecast)等几大类对股票超额收益具有较强解释度的因子。采用排序的方法检验候选因子的选股有效性。具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。如果因子有效，那么n个组合的收益率将呈现出明显的差异：例如，第1组最高、第2组次之、…、第n组最低。
候选因子（案例）：
经初步筛选后，有效的因子（案例）：
b) 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高一致性，因此其中的一些因子需要作为冗余因子被剔除出去，只保留同类因子中收益最好，区分度最高的那一个因子。
其中红色标注的因子为冗余因子，被剔除。
2、因子调整：
根据市场状况的变化，定期或不定期地重复上述过程，对模型进行复核和改进，发掘影响股票超额收益的有效因子信息，适时调整多因子的具体组成及权重，以不断改善模型的适用性。
3、综合评分
a) 模型选取去除冗余后的有效因子，在模型运行期的每个月初对市场中正常交易的个股计算每个因子的最新得分并按照一定的权重求得所有因子的总分。
b) 如果有的因子在某些月份可能无法取值（例如，有的个股因缺少分析师预期数据无法计算预期相关因子），那么按剩下的因子分值求加权平均。
c) 根据模型所得出的综合平均分对股票进行排序，然后根据需要选择排名靠前的股票。例如，选取得分最高的前 10%股票，或者选取得分最高的 50 到 100只股票等等。
4、定性优化：定性分析主要利用基本面研究成果，对模型自动选股的结果进行复核，剔除掉满足某些特殊条件的股票，即在Alpha多因子选股模型筛选出的股票名单中，根据分析师定性研究成果，剔除限制买入类股票，从而进行定性优化选择。
最后，量化基金在股票投资过程中，强调投资纪律，降低随意性投资带来的风险，力争实现基金资产超越业绩基准的回报。
多因子选股模型的优点
l 能够综合很多信息最后得出一个选股结果。模型表现相对稳定，因为在不同的市场情况下，总有一些因子会发挥作用。
l 利用数据反应的市场客观规律进行选股，避免主观盲目投资。
l 利用计算机的高速运算性能，对于A股这样一个有着3000只股票之多的市场来说，可以做到快速、全覆盖，及时反应，精选出当下按照模型“评估”出的最为优质股票。
在量化投资界，不同的投资者和研究者都开发了很多不同的多因子选股模型，那么不同模型优劣的根源在哪里？
目前，市场上实际采用多因子模型进行投资的产品也越来越多，除风格选择的不同外，模型本身的优劣也区别很大。总的来说，这些区别主要来自于：
1、选取因子的能力不同：是否能找到好的、科学的因子、甚至是独到的有效因子；
2、因子“组合框架” 的优劣。
从因子的选取来讲，首先是运用的统计、数学方法是否足够科学，在此基础上，还要对已经经过初步筛选的因子，进行“投资逻辑”判断。即，这个因子为什么有效？该因子长期提供超额收益的原因是什么？赚的是市场上哪一部分钱？对应的市场内在规律是否符合投资的“常识”？前者，需要模型开发者有较高的学术专业素养。后者，则需要模型开发者对市场有深刻的了解和认识，而这是一般的量化新手所不具备的，甚至是一些已经从事量化研究多年的研究员，如果没有真正进行过实盘投资、做过操盘手，可能较为欠缺，简单来说，缺少了市场的“洗礼”，总会带有那么一些“书卷气”，实用性则较差。
接下来是因子的“组合框架”。如果说因子的选择、设计已经是个技术活，那么构建“组合框架”则更能够体现开发者的“功力”。它不但需要开发者对市场有深刻的认识，还需要清楚的知道，自身模型应该如何去适应市场。而这不是一个可以一蹴而就的过程。只有把模型实际用于投资，在投资管理的过程中，不断的跟进、对比投资结果，有理有据的改进模型，日积月累，才能让“组合框架”得以完善。
（国金量化多因子的优势：
? 作者杨雨龙先生，国金多因子基金拟任基金经理，北京大学金融数学硕士学位，具备10年金融从业经验。具有股票“操盘手”（交易员）、资深量化研究员、基金经理等多重工作经验，擅长量化选股以及大规模资金的投资管理。历史实盘业绩优异，多次荣获“金牛奖”。
? 不但可以把各种常规因子进行科学的处理，还有自身独到的有效因子（这些因子暂时还未被大众所发掘运用，因此有效性更加强大和稳定）。
? 通过多年的投资经验累积和大规模资金管理经验，不断优化升级因子“组合框架”，将因子组合得更加科学，“分配”权重更加合理。特别是，我们第一时间加入了目前日趋成熟的机器学习技术，使得模型的表现更加稳定可靠。）
本文作者可以追加内容哦 !
