综合评分模型的建立和选股
最终的综合评分模型由9个分值相关性较小的有效因子组成。为了评估个股的综合表现，模型在选股日对所有正常交易的股票按9个因子分别评分后再按照一定的权重计算加权平均值，如果有的因子没有取值，那么该因子不参与平均值的计算。在综合打分后，去掉所有的ST、PT股票，将市场所有股票按平均分重新排序，选取其中得分最高的若干股票进入当月组合，即完成了模型选股的完整过程。
模型的检验
本案例采用2005年1月到2010年12月共6年的数据验证该模型的有效性。每月初将样本股票按最新的综合评分从大到小排序，分为Q1到Q5共5个股票数量相同的流通市值加权组合，持有到月末，再在下月初用同样的方法重新构建组合，一直到检验期末。假设在2005年初将1000元投资于这5个组合及上证指数，那么在2010年末，Q1到到Q5的净值分别为6184.51、4863.20、3562.70、2309.13和2138.92，而投资于上证指数的组合净值仅为2217.20。另外，如果投资于沪深300指数，则期末净值为3128.26；如果投资于中证500小市值公司指数，则期末净值为5002.09。详细的组合收益描述如表2-5所示。
表2-5 多因子模型组合分段收益率
组合及各指数的净值走势如图2-1所示。得分最高的Q1组合年化复合收益为35.48%，而同期上证指数年化收益为14.19%，超出指数21.29%；信息比率为1.14,大约68.06%的月份跑赢上证指数，其中上证指数上涨的月份中，大概有76.09%的月份跑赢指数，而指数下跌的月份中有53.85%的月份跑赢指数，总体而言，上升市场中的表现要好于下跌市场。
图2-1 多因子模型净值表现
总体而言，本案例所建立的多因子选股模型简单易行，有较好的稳健性，样本外的表现也很好，当然，也仍然存在较大的改进空间。
首先，在因子选择上还可以选取更多的指标，例如，可以在候选因子中增加分析师预期因子，如6个月一致预期的改变、未来两年分析师每股收益预测相对前两年的复合增长、基于一致预期的市益率等，也可以加入一些宏观指标，使得选股模型能包含更多的信息，提高选股能力。
其次，本案例采取静态的因子评分加权平均的方法，而在实际模型构建中，可以根据因子在前期的表现、个股所在行业、市场状况等，动态调整因子评分的比重，使得选股模型能更加贴近市场的现实状况。
最后，组合持有期长短的动态调整、交易成本的优化、模型运行过程中的风险控制等都可以考虑到选股模型中，使得模型具有更大的灵活度和更有操作性。
