作为金融市场的参与者,人们最关心的一个问题就是:什么因素能驱动股票价格上涨,使其获得超额收益。学术界对于这个问题的研究一直在进步,随着大数据时代的到来,我们不再缺乏数据,于是学者们对股票收益率影响因素的挖掘已经达到了 430个,但实际上真正对股票收益具有显著影响的只有小部分,因此确定真正能对股票收益产生显著影响的因素不仅可以降低金融工作者的工作量,也能对于多因子模型中的资产定价等相关问题的研究工作提供参考。对于市场参与者而言,可以加强对金融市场的理解,更好地做出投资决策;更重要的是可以找到真正反映中国证券市场情况的因素,对促进中国证券市场的发展也有积极的作用。本文利用2010年1月至2019年12月中国A股的数据进行定量研究,总结前人的研究后,从公司特征的角度出发,按照反映公司发展前景、财务质量和价量信息三个类别,初步选择了 22个收益率的影响因素,用LASSO回归模型进行变量的筛选和股票收益的预测,通过检验了实证结果的显著性和预测的均方误差,证明LASSO回归进行变量选择和收益率预测的方法是有效的。利用LASSO方法对最初的22个因素进行变量选择,得出的结果是:只有10个因素能够对股票收益产生显著影响,这也证明了最初的想法,实际上并非所有因素都能够对股票收益产生显著影响。筛选出的具有显著影响的因素按照我们最初的分类,分别是:3个公司发展类指标（销售增长率、资产周转率变动、每股收益变动）、5个财务质量类指标（账面市值比、经营性现金市价比率、总资产收益率、总盈利率、销售收入比率）和2个价量类指标（流通股变动百分比、换手率）。因此在进行投资策略研究时需要兼顾这些因素对于收益的影响。利用LASSO回归模型的变量选择功能和预测功能,本文在2015年1月到2016年12月期间,通过对预测收益排序的方法筛选股票,构建等权重投资组合和Markowitz均值方差模型确定权重构建投资组合,并持有三个月,三个月后对组合中的股票进行重新筛选,构建新的投资组合进行投资。本次投资仅在开始的时候投入资金。与市场基准收益（沪深300指数收益）比较,结论是根据本文方法制定的两种投资策略在检测期内整体上可以获得高于市场基准的收益。三者的夏普比率分别为0.5953、0.5023和-0.0050,说明两种策略均能获得高于市场基准的风险收益。整个投资期,投资的资金净值是呈增长趋势的,投资结束时策略1的总收益为80.66%,策略2的总收益为62.84%,都远远超过市场收益。并且两种投资策略的这段时间的最大回撤分别为6.75%和13.92%,都远远低于市场基准的最大回撤25.84%。因此,本文的投资策略能够取得高于市场的投资收益,并且基于LASSO回归模型筛选和等权重法构建的投资策略能获得更高更稳定的收益。