量化投资理论是现代投资学的一个重要分支，以马科维茨投资组合理论为基础，经历了多次世界范围市场波动的考验，量化投资作为能够获得稳定投资收益的数量化、计算机程序化的科学交易方式，逐渐得到越来越多投资者的关注。全球建立股票市场的国家超过50个，量化技术的广泛应用也加快了股票交易国际化的脚步。然而，我们必须正视股票市场客观存在的风险问题，理性的投资者往往综合考虑自身情况投资股票，从海量数据出发，挖掘其中的历史规律，依据数学模型做出决策，通过建立股票投资组合分散非系统性风险，实现收益最大化。
　　本文基于正交投影的熵权TOPSIS法改进打分法选股模型，构建超越市场表现的投资组合，该方法在多因子模型中的应用是量化投资领域的一次创新性尝试。文中以沪深300成分股为研究对象，选择2009年1月1日至2018年12月31日为多因子模型的因子检测区间，2019年1月1日至2020年12月31日为模型回测检验区间，通过分析与处理，最终确定了包括规模、估值、成长、财务、杠杆的五大类共11个有效模型因子。首先基于打分法，每个月选取综合得分前30名的股票等仓位配置股票投资组合，回测结果显示策略的累计收益能够超越市场指数，但曲线在早期围绕沪深300指数收益上下波动，多因子模型不够稳定，计算复杂，实证研究所需时间较长。
　　为了解决上述问题，提高选股模型的准确度，本文采用改进的熵权TOPSIS法改变了打分法模型的评分机制，根据数据的变异程度，为有效因子赋予客观权重，然后结合正交投影的TOPSIS法综合评价沪深300成分股相对于理想解的目标贴近度，将投影距离的分子部分作为股票样本的综合得分，由此构建改进的熵权-TOPSIS选股模型。回测结果显示投资组合的累计收益率明显优于改进前的熵权-TOPSIS模型和打分法模型，可以稳定地获得超额收益，夏普比率与索提诺比率更高，年化下行波动率和最大回撤能控制在更小的范围内，改进的多因子模型较传统打分法更加稳健，具备更好的股票收益预测能力;此外，改进的选股模型回测所需时间仅为打分法模型的十分之一，在提高效率与准确度的同时也有效地简化了选股模型，熵权法作为一种客观的赋值方法也避免了因子赋权时的主观因素影响。本文将正交投影的熵权TOPSIS法引入多因子选股模型，能够为期望战胜市场的股票投资者提供新的方法与思路。