市场上的投资者，不管是价值投资者，还是投机者，或者短线交易者，都会根据某些因子来判断股票的涨跌。当有一群交易者同时采用某个因子的时候，就造成该因子有效。例如，当很多投资者认为低PE的价值型的股票是好的投资标时，他们纷纷买入低PE的股票，会使得该股票出现上涨，或者越大市。这样就得低PE这个因子的有效性得到体现。
市场上有很多这样的因子，它们在不同的市场环境下,或多或少会起作用，从化分析的角度来看这些因子和收益率之间存在因果关系。本节的多因子模型就是研究市场上有哪些因子对最终收益率的作用比较大，它们在不同市场阶段的表现如何。
基本概念
多因子模型是一类重要的选股模型，它的优点是能够综合很多信息最后得出一个选股结果。多因子模型的表现相对米说也比较稳定，因为在不同的市场情况下，总有一些因子会发挥作用。因此，在量化投资界，不同的投盗者和研究者都开发了很多不同的多因子模型。各种多因子模型核心的区别一是在因子的选取上，二是在如何用多因子综合得到一个最终的判断。
一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。
打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。打分法根据加权方法的不同又可以分为静态加权和动态加权。打分法的优点是相对比较稳健，不容易受到极端值的影响。
回归法就是用过去的股票的收益率对多因子进行回归。得到一个回归方程，然后把最新的因子值代入回归方程得到一个对未来股票收益的预判，最后以此为依据进行选股。回归法的优点是能够比较及时地调整股票对各因子的敏感性，而且不同的股对不同的因子的敏感性也可以不同。回归法的缺点是容易受到极端值的影晌，在股票对因子敏感度变化较大的市场情况下效果也比较差。
