随着计算机技术的发展和大数据时代的到来，与有效市场假说相悖的股市异象的成因和表现形式已经成为目前二级市场投资研究的热点与焦点。其中，由于股市中存在动量效应、价值效应等异象，使得相应的投资策略可以获得超额收益。但是，不同市场环境下单一种类的投资策略可能失效。因此，对于股市异象有效性的预测成为使用何种投资策略的前提。不同于其他研究着眼于市场整体走势与股市异象的关系，本文将论证通过判断大类因子有效性来预测股市异象投资策略有效性的可行性，从而选取更为有效的投资策略。　　本文将AdaBoost算法与传统的多因子模型结合，针对传统多因子模型存在的因子静态不变、因子有效性判断方法局限性强等问题，提出利用因子对强势股、弱势股的区分度衡量因子有效性，并相应地设计算法实现因子有效性的动态判断，当某一时期某一类别因子整体有效性较强时，则预测该类因子相关异象有效性较强。本文利用2011-2015年A股中证500指数成分股作为样本池，对动量效应和价值效应有效性预测进行实证检验。本算法每6个月训练一次模型，利用最近6个月的历史数据对因子有效性进行排序，当某一大类因子有效性普遍靠前时，认定该类因子对应的效应在未来具备有效性，并通过回测的实证检验模型的有效性和稳定性。　　通过实证检验，本文设计的算法能够有效预测动量策略和价值投资策略何时有效，算法设计的量化策略经过回测检验也具备较好的风险收益特征，模型对因子有效性的判断较为有效。