Hou等（2015）基于实体投资经济学理论,构建了多因子定价模型——q-因子模型。传统资产定价理论从投资者最优证券组合角度出发,和公司变量没有直接关系,而q-因子模型为实证资产定价研究开辟了一个新途径。Hou等（2021）扩展了 q-因子模型背后的数学模型,新增预期投资增长因子,构建了现在的q5模型。他们对此在美股市场上进行了大量的实证研究,发现该模型在截面上表现出优秀的解释能力,可以解释更多的异象,战胜了其他所有主流多因子模型。目前国内学者对资产定价领域的研究一直以Fama和French的多因子模型为主,而对q5模型的研究较少。本文采取2003年9月1日到2020年12月31日非金融股、非ST、非科创板的中国上市公司为样本,对q5模型的可用性进行分析。利用年度流通市值、年度总资产增长率、季度净资产收益率构建规模因子、投资因子和盈利因子;以Fama-Macbeth回归为框架,使用滞后一期的年度托宾Q的对数、年度经营活动现金流比总资产和季度净资产收益率的变化量作为预测变量对被预测变量年度总资产变化率的变化率进行截面回归,将过去30个月的平均斜率与所能获取最新的预测变量想乘,即得出上市公司的预期投资增长指标,并与月度流通市值交叉构建预期投资增长因子。本文先对构成因子的投资组合进行描述性统计观察其特征。然后将构建因子的排序变量五等分,把五等分的市值组合依次与剩下三个五等分组合交叉构建测试资产,用q5模型对其测试资产进行回归,观察因子回归系数的变化,并用GRS等四个指标观察该模型的解释能力。由于中国股票市场从诞生之初,其制度一直在变化、完善,早期数据可能影响到上述结果。鉴于预期投资因子构造的问题,对2010年5月1日前的上市公司数据予以剔除,并重复上述实证过程,观察剔除前后变化。中国股票市场一直存在着借壳上市的现象,使得相关上市公司的股价异常波动,导致了壳价值污染的现象。为了降低因子收益率受到壳价值污染的影响,对前30%的小市值股票予以剔除,重复上述实证过程,观察q5模型的适用性情况。上述实证过程是讨论多因子模型对构建自身投资组合的定价能力。本文选取了八个异象,通过时序回归观察q5模型对异象的解释能力（记为LHS方法）;然后比较多因子模型自身的最大夏普比率平方来衡量模型的定价能力（记为RHS方法）。最后,依据RHS方法通过引入强势异象因子的方式对q5模型进行改进。本文通过q5模型在中国A股市场定价分析并与q-因子模型进行比较,得出的主要研究结论如下:第一,经过对市值分别与净资产收益率、总资产增长率和预期投资增长指标双变量独立排序（分别记为size-roe、size-ia和size-eg）的75组投资组合回归后,发现壳价值污染对预期投资增长因子收益率影响较大。在未考虑壳价值污染的影响下,q5模型的解释能力相较于q-因子模型并没有提高,即预期投资增长因子表现为冗余;在考虑壳价值污染的影响后,q5模型的解释能力明显优于q-因子模型,同时投资因子表现为冗余。第二,将股票池按照预期投资增长指标大小十等分构建投资组合,在考虑壳价值污染影响下,通过对其描述性统计发现中国上市公司预期投资增长与股票收益呈负相关关系,这与Hou等（2021）在美股市场实证结果相左。第三,在考虑壳价值污染的影响下,利用对八个异象的回归结果改进q5模型,发现根据过去240个交易日日均换手率构建的因子最适合作为引入的强势异象因子。为了防止多因子模型的简约性降低,将投资因子替换成换手率异象因子后的多因子模型更适合作为改进后的多因子模型。