提高竞争优势，降低运作成本，获得超过市场的收益水平，这是证券投资管理永恒的主题。以数量化投资技术为主的量化基金以其控制风险、绩效不俗的优势在国际资本市场已经取得了一席之地。在中国证券市场上，随着我国资本市场市值的迅速扩大、上市公司数量急剧增加以及机构投资者资金规模大幅度的增长，如何更科学合理的分配规模庞大的资产、降低投资和调研成本、有效的选择投资目标成为大型机构投资者必须面对的新问题。虽然一些机构投资者已经开始了对数量化投资技术的研究，但数量化投资技术在中国证券市场中应用才刚处于起步阶段。因此，应用数量化技术进行投资分析将会成为一种新的投资分析趋势，数量化投资技术也势必成为越来越多的机构投资者的选择。　　本文系统介绍了数量化投资技术的发展、理论基础、面临挑战以及未来发展展望，并探讨了国际证券市场上2007年7月到2008年以数量化投资技术为主的量化基金业绩恶化的原因。相信应用数量化技术进行投资分析和管理的前景十分广阔。　　作为数量化投资技术的一种重要模型，多因素模型在投资组合管理、证券定价、风险管理等领域的应用也越来越广泛。多因素模型主要分为三类:宏观因子模型、基本面因子模型和统计因子模型，相对应的，因子也可以分为宏观因子、截面因子和统计因子三类。多因素模型解释了证券收益的产生过程，研究多因素模型，就可以确定收益与导致收益变化的风险因素之间的数量关系，从而能从风险因素的变化预测投资收益的变化，这在证券投资研究中具有重要意义。　　本文选用样本期间为2008年1月至2009年12月的相应数据，以个股和组合的收益为因变量，以基本面变量、技术面变量和宏观经济变量为自变量，运用Eviews软件分别对横截面和时间序列数据构建基本面因子模型和宏观因子模型，从模型的拟合度、因子收益等角度进行分析，实证结果表明基本面因子模型相对宏观经济模型有更好的适用性。　　基本面因子模型实证结果表明，截面因子能很好的解释股票收益，并且因子收益呈现出一定的动态变化，有些因子在一定时期系数通不过检验，对当月有预测作用的因子，下月就可能失去了预测力，造成这一模型结果的原因主要在于中国股市过高的换手率、人为干预过多以及选取的因子过多等因素。　　由于宏观数据质量的原因以及所选取的样本期间正是中国股市最为动荡的时期等原因，股票收益波动幅度较大，因此宏观因子模型的拟合度较差，解释能力较低。相对于对组合收益的解释能力，宏观因子模型对个股收益的解释能力更差，并且GRANGER因果检验表明宏观经济变量并不能Granger引起组合（个股）收益。