在对套利定价模型的实证研究中，学者们往往注重模型因素的选取和假设条件的设置，期望达到更好的拟合效果。然而，对于模型的参数估计的方法重视不够。事实上，对于套利定价模型的参数估计一直采用的都是多元回归分析的方法，其实质是最小二乘估计。而在线性模型参数估计中，采用最小二乘估计需要原始数据满足严格的Gauss-Markov条件。事实上，原始数据常常具有很多问题不能满足该条件，多重共线性和奇异值就是常见的两种。此时仍采用最小二乘估计会造成伪回归，回归结果不具有稳健性。在这种情况下，即便因素的选取和假设条件的设置非常恰当，也很可能得不到好的结果。线性模型中为解决数据奇异性和共线性对参数估计的影响分别发展了主成分估计和M估计，但主成分估计在数据共线性性时方差扩大，M估计在数据奇异时稳健性崩溃。本文在文[5]提出的稳健主成分估计的基础上证明其比主成分估计和M估计的优良性，能同时消除多重共线性和奇异性对估计的影响，并采用稳健主成份估计方法对多因素定价模型作回归分析，将结果与采用多元回归分析得出的模型作比较，检验证明的结果。