历经多年的发展与改革,中国资本市场的深度和广度不断拓展,市场活力与潜力逐步释放。一方面,通过股权分置改革、引入融资融券交易、发展注册制等措施大力推动资本市场制度改革,市场交易机制不断完善。另一方面,基金规模大幅增加,保险资金、社保基金和企业年金等机构资金进入资本市场,市场参与者结构得到改善。那么,当前中国股票市场整体效率如何?市场整体异象是否随时间变化而有所改变?其变化又受何种因素驱动?投资者能否通过构建量化交易策略获益?对这些问题的思考是本文的出发点。本文以中国股票市场的整体异象为研究对象,分析其在中国市场上截面有效性及其在时间上的变化情况,并从融资融券制度的推出、机构投资者参与和分析师投资建议等角度深层次地理解异象演化驱动因素。我们考虑利用在中国股票市场显著存在的多种异象因子进行收益预测,构建量化交易策略,从实际交易角度提供合理化的投资组合建议。具体而言,本文得到的研究结论主要有:第一,本文通过研究涵盖动量效应、价值与成长型、企业投资、盈利能力、无形资产以及与交易摩擦相关的6类共计62个市场异象因子,发现其中有30个单因子组合能够提供显著非零的组合收益,市场整体效率不高。从因子类别来看,本文的结果验证了中国市场上动量异象的存在,同时发现企业投资、无形资产和交易摩擦类别因子是构建投资组合获取收益的主要驱动力。第二,仅有部分异象因子能持续地提供超额收益,说明市场效率在持续提升。其中,动量效应和交易摩擦类别的因子基本均呈衰减趋势,表明随着时间变化,市场对这两个类别因子信息不断消化。第三,融券交易、机构投资者的参与以及分析师的投资建议对我国市场异象演化起到了驱动作用。具体而言,融券交易者则是通过交易处于异象空头的股票获得收益的,而融资交易者则不能。机构投资者也利用了部分股市的异象特征进行交易,从而起到了纠正市场错误定价的作用。分析师在发布研究报告时,其建议与价值与成长型、企业投资、盈利能力以及无形资产四种异象因子的预测方向相同,传达了可以纠正错误定价的信息。第四,基于有效异象因子构建的投资组合能够提供超额收益,线性机器学习算法提供的预测收益率高于传统OLS回归模型。通过运用传统和线性机器学习方法进行收益率的预测,我们发现线性机器学习算法能够有效整合因子信息,提供高于传统模型的预测收益率。进一步考察投资组合的绩效表现,我们发现利用线性机器学习模型构建的策略,其经总体风险调整后的收益、考虑最大回撤风险的收益均有较好的表现,其高阶矩风险处于较低水平。第五,在考虑合理适当的交易费用时,或者改变模型滚动预测窗口期的长短时,基于有效异象因子构建的投资组合能够提供超额收益,且线性机器学习算法的表现依然优于传统OLS方法。本文的研究结论具有一定的现实意义。一是市场机制设计者应当考虑适当放宽卖空限制;二是投资者应当关注资本市场时变性并相应调整投资策略;三是证券分析师应当同时关注市场信息和基本面信息。