因子模型在统计分析的应用中已经有了较长历史，在高维数据环境下，它是一个较为有效的降维和统计预测工具，引起了学者的广泛关注。在因子模型的建立过程中，公共因子个数的选择显得尤为重要。许多计量经济学和统计学学者对于这个问题已经作出了一些研究。Ando和Tsay在2011年针对因子增强分位数回归模型提出了一个能够识别因子个数信息论准则。笔者结合本文实证需要通过MonteCarlo模拟方法验证了该准则在四种不同情况下的准确率，结果发现相较于时间维度T和截面维度N较小的情况，该准则更适合T和N较高的情况，可见该准则对解决“维数灾难”问题有很大优势。　　本文将因子增强分位数回归模型运用到股票收益率因素研究，以2007至2014年的上证180的成份股为研究对象，在前人研究成果的基础上结合中国股市特点选取了公司规模、账面市值比、系统性风险、动量效应和反转效应5个因素作为预先确定的变量和其他36个可能影响的因素。这36个可能影响股票收益率的因素分别是从公司财务，市场综合表现，宏观经济，商品价格，汇率变化和国际指数方面考虑的。文章通过N＜T和N≥T两种情形分别研究上述因素对股票收益率的影响，结果发现在不同时间频率下因子个数也会有所不同，但是各个因子所代表的意义却是相同的。在此基础上，本文将预先确定变量和已经估计出的公共因子结合建立普通面板数据模型和面板分位数模型，估计两个模型参数，并结合模型结果进行比较分析。实证研究发现:5个预先确定变量对股票收益率的影响在不同分位点下存在很大的差异，基本上是显著的，而从36个可能影响股票收益率的因素中选取出来的4个公共因子中前两个的显著性极高，它们分别代表了宏观经济的基本走势和人们的消费水平。　　笔者期望通过本文的研究能为以后更加深入的研究股票收益率影响因素提供一个很好的借鉴。