2021年底,国内量化市场规模突破万亿,发展十分迅速,相较于2020年呈现翻倍的增长趋势。其中,量化私募基金发展迅猛,市场规模占比从2018年底约7%快速提升至2021年6月末约21%。虽然量化基金市场规模迅速扩大,并且在收益率方面大幅跑赢股票多头基金,但是截至2021年末,量化基金在面临市场的突发变动时,产品收益出现快速回撤,主要因为大部分国内的量化选股模型都借鉴了国外量化多因子策略,未结合国内股票市场的具体情况从而缺乏创新性。本文基于基本面因子,并采用层次分析法和回归分析法构建量化选股模型,在不同市场环境下,对量化选股模型进行实证检验,争取找到适合国内股票市场的一种量化选股策略。本文主要以果仁和聚宽量化投资系统为交易操作的平台,并且研究对象以中证全指成分股和场内ETF、LOF基金为主,而样本数据则选取了2008年12月1日至2022年3月31日整个区间的数据。首先,本文在完成基本面因子筛选和可行性检验后,再通过测试分析基本面因子在牛市、熊市以及震荡市三个不同市场环境下的表现从而找出有效的基本面因子。然后,将有效的基本面因子组建成最优因子池,再通过层次分析法和回归分析法相结合来构建基本面因子的一种选股模型。最后,对选股模型进行实证检验分析,具体从收益、风险以及多维度对比分析策略的有效性,并对该策略表现不佳的部分进行调整优化,最终实证表明现金比率、每股收益和经营现金流净额的表现较突出,而改进后的策略表现均跑赢业绩基准。本文主要结论:第一,基本面因子选股策略在A股不断地变化过程中更容易发现市场拐点和投资机会;第二,从策略的某些时间段来看,通过层次分析法和回归法对基本面因子进行筛选和整理,构建出的量化模型更能适应国内A股市场的变化;第三,通过分析股票收益率对各因子的敏感度,可以得到盈利类因子和现金流类因子表现突出,其中每股收益、现金比率和经营现金流净额可以作为A股很好的选股因子来构建量化交易模型。