2020年,“新冠”疫情席卷全球,全球资本市场急剧波动。我国上证综指在2月3日（春节后的首个交易日）达到了7.72%的巨大跌幅,A股市场更有超过3000多只股票跌停,而且全球各国股指自3月起纷纷暴跌,包括加拿大、巴西、韩国、菲律宾等在内的多国股市触发“熔断”,其中,美国股市更是史无前例地在3月9日、3月12日、3月16日以及3月18日（当地时间）出现了4次“熔断”。因此在这种情况下,如何来控制市场下行时的风险同时保证在市场上涨时的收益就显得尤为重要。因此,本文尝试构建不同趋势下量化投资策略多因子模型的,并结合隐马尔可夫模型进行择时,从而力求在市场上升趋势中获取稳定超额收益,在市场下跌趋势中确保本金的安全,使得投资者的风险可控,而且收益有所保障。本文之所以选取量化投资策略是因为,量化投资的知识在多个领域的结合具有很大的发展潜力。随着人工智能等领域的快速发展,量化投资已与机器学习,深度学习等领域更加紧密相关。而隐马尔可夫模型作为一种相对经典的机器学习模型,已被广泛应用于语言识别,语言处理,模式识别等领域。本文的特点即在于,与单纯的多因子量化投资模型相比,本文将隐马尔科夫模型运用到市场进行“择时”,将不同的市场状态进行分类,并通过隐马尔科夫模型发现当前市场处于什么状态,进一步计算接下来市场的可能隐藏状态,并以此作为“择时”的依据。本文的整体思路是综合的引入多方面的因子,扩大因子库,并通过FamaMacbeth两步回归,结合市场特点,探讨了基于APT理论的多因素模型在中国证券市场的适用性,并以沪深300指数的成分股为对象,通过隐马尔可夫择时滚动预测下一期的市场隐藏状态,对不同的市场趋势（或称隐藏状态）下的因子进行筛选,并对因子的有效性进行进一步的检验和对比,来尽可能的提升投资收益。此外,本文的创新还包括加入宏观指标辅助交易信息来训练HMM以探讨宏观因子在HMM预测上的效果,以及结合全概率公式和HMM的状态转移矩阵,来直接预测下一期的市场可能状态。最后,本文发现,HMM可以更细致的去捕捉市场状态切换,经过HMM择时后的样本集的股票收益率和因子回归残差的异方差情况都有所减小,结合多因子模型的样本外回测也可以获得更高更稳定的超额收益。且,加入宏观指标（燃料油期货价格变动率、人民币兑美元汇率变动率）辅助交易信息来训练HMM,预测结果有效,引入宏观因子进行HMM择时可以更好地区分出高收益状态,但是却没有很好的区分开波动上升和下降状态。以及,全概率公式预期结合宏观因子（ME）策略的回测曲线,可以更好地捕捉到上涨趋势并扩大上升时候的收益。