多因素模型的基本形式(MFM)。在20世纪70年代，投资者意识到具有一些相似特征的股票在市场上会有相似的趋势，CAPM模型被用来解释仅由单一因素引起的市场的缺点。提出了套利定价理论。APT模型认为，套利是现代有效市场(即市场均衡价格)形成的决定性因素。如果市场没有达到均衡，市场就会存在无风险套利机会，套利会使市场回归均衡。APT模型用许多因素来解释风险资产的收益，根据无套利原理，发现风险资产的均衡收益与许多因素之间存在(近似)线性关系。也就是说，股票或投资组合的预期收益率与影响它们的一组系统性因素的预期收益率是线性相关的，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。多因素模型，MFM)是基于APT模型的一个完整的风险模型。
根据《量化投资策略：多因子到人工智能》课程源数据中的步骤，构建多因素模型，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。最后，在每个月的月末，可以生成所有股票在下一个周期的上涨概率的预测值，然后根据准确率、AUC等指标和策略回测结果对模型进行评估。我们的模型被设置为以每月一次的频率改变仓位。为了使模型能够及时学习市场特征的变化，同时兼顾计算效率，我们采用了回滚测试的方法，即从2019年1月1日开始，我们在每个月底对模型进行重建，并在次月进行测试。根据模型的预测结果，我们还构建了沪深300和中证500的选股策略，并通过年化收益率、夏普比率、最大回撤等指标综合评价了策略的效果。
中证500指数收益增长130%，同期指数50%，超额80%，锐比1.31，最大回撤20%。
沪深300指数收益增长100%，同期指数40%，超额60%，锐比1.12，最大回撤21%。
