近30年来,得益于中国经济实力的稳步提升,中国股票市场的的规范性建设也取得长足的进展,逐步成为了世界金融市场体系的重要组成部分。然而由于起步晚于发达证券市场上百年,仍存在机构投资者比例失调、投机现象严重、缺乏价值投资理念等不成熟的现象,并且分析股票投资时缺少考虑市场情绪、交易行为和中国股市特有的发展环境等因素,那么被广泛应用于美国等成熟证券市场的Fama-French三因子模型能否在中国有良好表现,是否需要引入新因子构造多因子模型成为众多学者研究的方向。三因子模型是Fama、French二人于1992年根据美国股市的交易数据和现象,来研究引起股票间超额回报率差异原因的经典模型,但国内学者将其运用至国内市场时,其结果的适用性却不尽相同。如今,流行于各个领域的"互联网+"概念得到越来越广泛的关注与运用,互联网包含的大量数据信息为社会创造出更多的价值,对各行各业的研究做出了突出贡献。在中国股票市场中,个人投资者占比巨大,而网络提供的大数据信息,分析了投资者的交易行为、市场预期等对股票收益率的影响,基于此中国首个大数据系列指标——大数据100应运而生,该指标在收益率的表现上往往好于市场收益率,以致越来越多的投资者根据大数据100选取股票,因此研究大数据100因子与股票超额回报率的关系意义深远。本文首先验证了中国股票市场中是否存在BM效应、规模效应,即上市公司市值一定时,其股票回报率随账面市值比的提高而增长,而账面市值比一定时,股票的回报率随规模的扩大而降低,发现中国也存在类似美国等发达市场中上述的两个效应。接着本文在模型中加入中国首个大数据系列指标,即大数据100指标作为大数据因子,改进Fama-French三因子模型,通过pearson检验得出影响因子间不存在线性的相互替代的关系,再将上证A股的上市公司按其主营业务的不同,分为不同股票板块,并选取2010年3月-2016年2月为样本区间,应用Fama-Macbeth回归方法,先对各个单因子的影响能力进行检验分析,发现规模(SMB)、账面市值比(HML)、大数据100(BD)这三个因子均能良好的解释股票收益,再将这三个因子连同市场因子组成改进的四因子模型,进行Fama-Macbeth面板数据检验,结果表明,改进后的四因子模型对大多数股票板块的解释能力较强,而对部分板块解释力较弱,.16个股票板块中,只有3个板块截距项显著不为0,3个股票板块市场因子系数不显著,4个板块规模因子系数不显著,7个板块账面市值比因子系数不显著,4个板块大数据100因子系数不显著,说明中国股市不同板块间风险因子存在差异,诸如金融业会受到国际经济走势等外部经济环境影响,而水利、环境和公共设施管理业及卫生和社会工作业的股票受到赌博式追涨杀跌的投机行为影响的可能性较大,信息传输、软件和信息技术服务业等朝阳产业还会受国家政策导向等因素影响。但是从整体来看,四个因子对大部分投资组合都具有较强的解释力度,且大数据100因子无论是在单因子检验还是多因子检验中,均能良好解释对股票超额回报率的影响,表明了大数据100因子是股票回报率的影响因素之一,这对于投资者选取合理的股票组合进行投资,预测股价走势,形成良好的交易方式和投资理念具有重要意义。