多因子模型（MFM）的基本形式。七十年代，投资者意识到具有某些相似特征的股票在市场会有相似的走势，利用CAPM 模型仅通过单因子解释市场存在不足，套利定价模型（ArbitragePricing Theory，APT）被提出来了。APT 模型认为，套利行为是现代有效市场（即市场均衡价格）形成的一个决定因素，如果市场未达到均衡状态的话，市场上就会存在无风险套利机会，套利行为会使得市场重新回到均衡状态。APT 模型用多个因素来解释风险资产的收益，并根据无套利原则，得到风险资产均衡收益与多个因素之间存在（近似的）线性关系。也就是说，股票或者组合的预期收益率是与一组影响它们的系统性因素的预期收益率线性相关的，影响股票预期收益率的因素从CAPM 中的单一因素扩展到多个因素。多因子模型（Multiple-Factor Model, MFM）正是基于APT 模型的思想发展出来的完整的风险模型。
按照《量化投资策略：多因子到人工智能》课程源码资料中的步骤，搭建多因子模型，构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC 等指标以及策略回测结果对模型进行评价。我们的模型设置为月频换仓，为了让模型及时学习到市场特征的变化并兼顾计算效率，我们采用了滚动回测方法，即从 2019年1月1开始，每月底重新构建一次模型，在下一月进行测试。我们还根据模型的预测结果构建了沪深300成份内选股和中证500成份内选股策略，通过年化收益率、夏普比率、最大回撤等指标综合评价策略效果。
中证500指数增强收益130%，同期指数50%，超额80%，夏普比率1.31，最大回撤20%。
沪深300指数增强收益100%，同期指数40%，超额60%，夏普比率1.12，最大回撤21%。