多因子模型是量化投资中最经典且应用最广泛的框架。其核心思想是：一支股票的价格波动可以由多个相互独立的“因子”共同解释。构建一个稳健的多因子模型，通常需要经过因子挖掘、因子处理、模型训练和回测验证四个步骤。

因子挖掘与分类

常见的因子库包括：

 - 价值因子：如市盈率（PE）、市净率（PB），寻找估值洼地。

 - 成长因子：如营业收入增长率、净利润增长率，捕捉高成长标的。

 - 质量因子：如净资产收益率（ROE）、资产负债率。

 - 动量因子：如过去20日的累计涨幅，追踪强者恒强的逻辑。

因子的科学处理

原始数据往往存在异常值和量纲差异。在模型建立前，必须进行“去极值”（如使用中位数去极值法）、“中性化”（剔除行业和市值偏差）以及“标准化”处理。这一步骤能确保不同维度的因子具有可比性。

权重分配与合成

常见的合成方法包括等权重法、IC加权法或利用机器学习（如随机森林、XGBoost）进行非线性合成。最终得分最高的股票将组成投资组合。

搭建此类复杂模型对数据调取能力提出了很高要求。目前国金证券的QMT系统内置了丰富的底层因子数据，并支持与聚宽（JoinQuant）等专业量化研究平台深度对接。投资者只需在国金证券保持10万以上的资产规模，即可免费使用QMT或PTrade系统。QMT系统还提供Tushare数据优惠及丰富的Python扩展库支持，帮助投资者快速落地复杂的多因子选股逻辑。同时，新客还可领取专属AI投顾服务，获取最新的因子研究观点。