Sharpe (1964)提出的资本资产定价模型(CAPM)是研究金融市场定价理论的里程碑,认为在资产定价过程中,只有系统风险起着不可替代的作用,而非系统风险可以通过分散化投资得以消除。然而受不完全信息、交易成本等因素的影响,投资者未能持有多样化的投资组合,非系统风险固然存在,导致CAPM这一单因素模型的定价功能逐渐减弱。随之,多变量资产定价模型成为现代金融界研究的热点之一。然而随着对定价模型研究的发展和深入,越来越多的因素被纳入到定价研究的范畴来解释各种截面异象。实证中由于对这么多因素做回归可能存在多重共线性而导致得不到真实的结果。本文尝试基于渐近主成分分析的高维因子分析法,其核心思想是将高维时间序列转换有几个时间序列组成的低维时间序列,也即公因子序列,这几只公因子序列反映了数据的绝大部分变动。然而,实际应用中这些公因子往往是未知的,也叫潜因子,公因子的个数也是未知的需要估计。本文基于主成分分析方法估计出公因子及其个数后,将已知或可观测到的因素与少量的潜因子建立线性回归模型,通过一系列的统计量来判定真实的潜因子是否能表示实证因子(即可观测因子),从而检验实证因子的有效性。公因子提取方法的引入,为检验众多名目繁多的实证因子的有效性提供了思路。本文以A股市场为研究对象(共计796只股票,样本期间自2009年2月至2013年12月),首次从潜因子识别的角度对可观测变量进行有效性检验。主要结论如下：第一,在潜因子估计阶段,通过Bai和Ng(2002)所建立的面板准则对超额收益率序列进行潜因子个数的相合估计,将维度高达796的高维时间序列转换为3维时间序列。第二,在对可观测变量的构造过程中发现,中国A股在样本期内市场不存在规模效应,上市公司股票的平均月收益率随着公司市值的上升而上升。在动量因子的研究中发现中国A股市场存在短中期动量效应,长期反转效应。第三,在可观测变量与潜因子的回归模型估计结果中,发现假设残差具有条件异方差性条件下各个统计量估计结果要优于独立同分布假设条件下的结果。在对微观经济变量与潜因子的关系研究中,市场溢酬因子和账面市值比因子可以看成是潜因子的替代变量。在对宏观经济变量与潜因子的关系研究中,发现宏观变量都不及微观变量对股票收益率的变动影响,但相对来说,消费者满意程度和通货膨胀率与潜因子的相关性最强。第四,在分行业研究各可观测变量对不同行业股票收益率的影响程度中,市场溢酬因子对各行业股票收益率变动的影响显著,宏观经济变量中的通货膨胀率则对股票定价起了不可忽视的作用。