股市中持續盈利的方法：差強人意的歷史紀錄
在多因素模型的有效性背後有一個基本理念，即綜合體大於組成部分。也就是說，整體比它的各個部分之和大。其邏輯是，F值或G值完成了一個優秀的股票分析師的工作，選出能夠獲得超過市場的超額回報率的股票。
股票分析師最重要的工作是選股，不同的分析方法會選出不同的個股。投資者要結合自身的條件，選出適合自己的投資品種。技術分析方面，比如，升勢中的週期股，龍頭股，強勢上漲帶大陽線的股票，這些都可以適當介入。基本面分析方面，例如，宏觀經濟改善，利率降低，通貨膨脹初期，行業景氣度高公司的運營能力好，這些都是買入的時機。技術分析和基本面分析結合使用，效果會更好。
人們對多因素模型的不滿在於，他們往往是數據挖據的結果。在評分指標公佈之前，沒有人知道模型考慮了多少因素。此外，只有那些似乎有效的模型纔會公佈相關信息。
道瓊斯策略是數據挖掘的結果。這一策略傾向於買入道瓊斯工業平均指數中股息率最高的10只股票。股息率由期望股利支付除以股票價格來確定：股票價格越低，股息率越高。基本的邏輯是，股息率是價值的一個替代變量。道瓊斯成分股中最高股息率的股票，就是呈現了最大價值的道瓊斯股票。這一策略的歷史分析很棒。不幸的是，如果你不是在年末而是在年中實施這一策略，你的回報率遠沒有那麼高。如果投資組合在年末而不是年中構建，那麼道瓊斯策略有效。兩者之間的差別毫無道理。最可能的是，這僅僅是數據挖掘的隨機事件。
隨機事件的一種最簡單的檢驗方法是，看看這一策略在樣本之外的數據中是否有效。這意味着，你要檢驗這一策略在構建之外的時期或者數據中是否能夠繼續表現良好。其一，在國際市場檢驗；其二，在模型構建期之外檢驗。
第一批多因素模型可能都受到了數據挖掘的困擾。比如，一個早期的多因素模型試圖確定一家公司第二年創造顯著利潤率的可能性。數據顯示，一種套期保值投資組合能夠獲得約12%的回報率，但當這種方法應用到另一個時期時，沒有產生回報率，也就是說策略失效了。這一模型沒有反映因果關係，僅僅呈現了一種統計關係。