股市中持续盈利的方法：因素并非“多多益善”
开发多因素模型的挑战是，使用一个以上的因素会产生两个潜在问题。第一个问题可能是回报率的稀释。假设估值因素是真实的，价格动能仅仅是一种随机事件，那么基于价格动能和估值构建的多因素模型，其估值因素就可能被稀释。多因素模型中存在的另一个严重问题是，多因素模型可能使投资者过于关注近期表现最好的因素。表现最好的因素经常只是偶然表现得好而已。将真实的因素与那些只是偶然存在的因素联合使用时，可能会减弱真实因素的效力第二个问题是有太多供选择的因素。过去一两年内表现得好的因素也非常丰富，选择非常艰难。因此，有时多因素模型看上去会跑赢大盘，但如果研究员在模型开发过程中不够小心，那么这个多因素模型开发最终沦为数据挖掘的材料。我们会遇到使用多因素模型进行资产管理的根本问题。当投资组合表现不佳时，将表现不好的因素替换为表现好的因素，这种倾向会使投资经理在资金管理过程中缺乏持久力，或者缺乏珍贵的固执态度。如果你不断改变你的投资活动赖以存在的理念，那么你将总在表现相对较差的时候进行变换。结果，你的业绩将比只选择一种因素且在好的时候和差的时候都坚持这一因素时，要差得多。这样的话，还不如只根据一种因素构建投资组合。这种情况相当普遍，使用多因素模型的投资经理总是因为投资组合表现不佳而更换参考因素。如果不系统性地使用因素轮换策略，相当于个人投资者使用止损策略，总是在亏损时卖出。这对整体业绩的提升没有任何帮助。
多因素模型中的许多因素都与基本面数据有关。基本面数据是一家公司实际基本业务的信息—通常可以在股票信息的商业数据库中找到。我们之前讨论的策略，比如盈余公告后价格漂移、应计异象、估值因素、价格动能和信号传递效应等，都能够作为多因素模型的一部分。
单独而言，基本面数据并没有产生超额回报率的能力，但当把基本面数据的多个部分组合起来，得到的指标似乎比单个部分更具说服力投资理念来源于实战中的不断磨合、来自于自身心性的升华。理念不可能用语言完整地表述和传授出来，需要投资者用心去体会，去领悟，去思考。成功的理念不可能一次形成，也不能缺失。英大证券研究所的李大霄说过，做好人，买好股，方能有好报。不管是“地球顶”，还是“婴儿底”，不同的人有不同的投资理念，没有好坏之分。
Piotroski F值（皮奥特罗斯基F值，简称F值）和 Mohanram C值（莫汉尔曼值，简称G值），是两种被广泛研究的多因素方法。其中，Piotroski F值检验9个基本面指标， Mohanram G值检验8个基本面指标。F值关注价值股的选择，而G值关注成长股的选择。几乎所有基本面评分系统中的指标都是这样：在一个相对有效的市场中，如果一家公司的资产比另一家公司的资产有更高的回报率，这一事实将会反映在股价中。任何包含在多因素模型中的基本面比率都将向整个市场公布，他们同样可能反应在股价中。