多因子模型是目前国际上主流的量化投资模型之一,也是目前中国量化投资领域的热点问题。多因子模型试图通过建模的方法对驱动股票市场价格变化的因子进行解释和分析,并通过模型来选择优秀股票建立股票投资组合。多因子模型的研究对券商和投资基金的运作也具有一定的指导意义。目前国内流行的很多量化投资模型都是建立在多因子模型的框架基础上,因此多因子模型的研究是目前量化投资领域业界关注的一个重要问题。本文也是在前人研究成果的基础上继续对多因子模型进行探讨,在方法上仍属于实证研究的范畴。首先将因子按照影响股票周期的长短进行量化,分别定义了长期因子、中期因子和短期因子这三类因子。接下来从市场经验和经济逻辑方面确定了候选因子组成候选因子库,然后通过设计单因子测试流程,从候选因子库中筛选出每一类的有效因子。最后根据每一类的有效因子的特点,引入相应的人工智能识别模型,寻找正Alpha收益股票组合,实现阿尔法量化对冲投资策略。通过数据进行验证本文建立的三层过滤多因子选股模型,模型预测的准确率可以达到70%以上;构建的Alpha投资策略,年化收益率是58.5%,最大回撤为6.37%,并和传统多因子选股模型比较,不仅风险得到了有效控制,而且收益率也显著提高。本文的研究意义主要存在于以下两个方面,一方面通过模型在股市中找出若干支表现相对优秀的股票构建投资组合,同时做空沪深300股指期货,使得其在牛熊市中都能够产生较为稳定的收益,为投资者提供参考和建议;另一方面通过建立三层过滤模式的选股模型能达到抛砖引玉的作用,为广大的投资模型研究者提供思路的拓展,进行更深入的研究。