自从 Fama,MacBeth(1973)通过截面回归的手段对 CAPM 模型的有效性进行验证之后。学者对大量的公司特征进行了研究，数量众多的各类因子被认为可以用来解释股票价格的变动。同时基于这些因子而诞生的多因子选股也给投资者带来了极大的便利，但是有学者指出部分因子的有效性其实不尽如人意。此外，分因子之间有明显的相关关系，如果不加辨别直接使用这些因子进行选股，可能会使选股的结论偏离投资者原有的目标。因此以John Cochrane为首的学者对前人的研究提出了质疑：究竟有哪些因子可以对股价的变化提供独立信息？
　　基于这个大的背景，学者们进行了大量的实证研究。Hou,et al.(2015)发现对公司收益进行加权后，原有显著的因子有半数不再显著，小市值公司可能使实证结果夸大。Jeremiah,et al.(2017)指出了12个因子可以给美股的收益变动提供独立信息。同时他们还发现，在单因子检验中，对小市值公司进行加权或是扣除的处理后，显著的因子均包含于全样本检验显著的因子中，而多因子检验则是大量包含于其中，仅有少量例外。Harvey,et al.(2016)的研究则指出传统的显著性判断的方式可能存在错误，应当以更高的标准进行判断。那么相同的问题放到我国，究竟有哪些因子可以给我们国家的股票收益提供独立信息？尤其是在我国股票市场近年来逐渐回归价值的情况下，反映公司财务特征的因子有哪些能够提供股票收益的独立信息？这是本文首先要解决的问题。除此之外，前人研究中指出的一些有趣的现象在我国是否存在，也值得我们探讨。
　　本文利用中国全部A股在2007年后的数据进行了一系列的检验。首先，我们通过单因子检验建立起对比的基础。其次，再用多因子检验判定哪些因子相对于其他因子具有更强的解释力度。最后，我们将多因子检验的结果与单因子检验进行对比。在单因子检验中，我们发现扣除小市值公司或对收益进行市值加权后确实有部分因子从显著变为不显著，但是也有部分因子在处理后反而变得显著，而对于Jeremiah,et al.(2017)有关单因子检验中出现的完全包含的结论，我们发现存在例外。在多因子检验中，虽然Hou,et al.(2015)所述的现象虽然更为明显，但是仍然存在扣除或是加权后反而变得显著的因子，而对于Jeremiah,et al.(2017)有关多因子检验中出现的大量包含的结论，我们的实证与其一致。
　　综上所述，相比前人的结论，我们的实证结果与Jeremiah,et al.(2017)的实证结果较为相似，但我们认为他们单因子组实证中出现的完全包含的情况可能是巧合，而多因子组中出现的大量包含则应该是常态。对于Hou,et al(2015)中所述的情况，从我们的统计结果来看，不完全成立。而对于我们的核心问题，我们发现在传统的t检验绝对值大于2的显著性判定水平下，有7个因子既在多因子组中显著又在作为对比基础的单因子组中显著。因此我们认为反映公司存货的变化的chinv、反映毛利润占总资产比的gma、反映销售收入连续增长情况的nincr、季度总资产收益率roaq、反映扣除费用的营收占企业权益比operprof、反映研发支出变动情况的rd与滞后一期的市值mve可以在该检验水平下称之为能够提供独立信息的因子。在更严格的t检验绝对值大于3的标准下，仅季度总资产收益率roaq与滞后一期的市值mve可以称之为能够提供独立信息的因子。