Stambaugh等（2017）结合11个在美国市场显著存在并且至少能由错误定价部分解释的资产定价异象,构建了包含错误定价因子的多因子模型,并在美国股票市场取得了不错的实证效果。Stambaugh等认为,异象至少部分反应了错误定价,而错误定价在不同股票之间存在共有部分。他们希望通过结合多个异象构建错误定价因子,从而捕捉公共来源的错误定价。中国股票市场散户投资者众多,并且存在更严格的卖空限制和较差的信息质量。如果股票市场的确存在系统性的错误定价,这些市场特征可能会导致A股市场相对美国股票市场存在更高的错误定价程度,那么错误定价因子在A股市场应当同样能取得较好的实证效果。本文借鉴Stambaugh等（2017）构建多因子模型的思路和方法,构建了适合A股市场的错误定价因子UMO,连同市场因子和规模因子构成三因子模型M-3,并对错误定价因子模型在A股市场的适用性进行了验证。围绕错误定价因子的构建,文章对A股市场资产定价异象做了比较全面的检验,并从特质波动率代表的套利风险和投资者情绪的角度,对异象能否由错误定价解释,进行了验证。本文以价格盈利比、异常换手率、短期反转效应等6个显著存在于A股的资产定价异象为基础构建的错误定价因子。错误定价因子UMO在样本期内产生的平均月度溢价达到了2.23%,高于任何一个单个异象所对应的溢价水平。在投资者情绪较高的时期,这一溢价水平高达2.91%,而在低投资者情绪时期,仅为1.56%。包含错误定价因子的三因子模型在对异象的解释能力上,要强于将Fama和French三因子模型直接用于A股市场。样本期内,模型M-3能够很好的解释8个异象中的6个,但对价格盈利比和异常换手率效应缺乏解释力。异象对应的卖空组合对因子UMO的敏感性的绝对值要大于非卖空侧的对应值,这与套利非对称性下的过高定价更为普遍,卖空侧错误定价程度更高的假设是一致的。最后,文章发现中国投资者情绪指数CICSI能够很好的预测错误定价因子。本文的主要创新在于构建了适合A股市场的包含错误定价因子的三因子模型,目前国内关于错误定价因子的研究还较少。文章丰富了多因子模型的相关研究。其次,通过中国市场的历史数据,验证了Stambaugh等的因子构建思路的有效性。同时,本文对A股市场异象在较新的样本期进行了比较全面的研究。