在我国,股票市场已成为重要的投资渠道。投资者选择不同的投资组合将面临不同的风险,风险补偿因此成为重要的定价因素,寻找有效的股票收益定价因子成为金融研究的热点和难点。本文提出了一种新的因子构建方法,以提高模型定价水平。具体来说,本文认为使用单一异象变量进行因子构建,会使其包含较多噪声,进而影响模型定价水平。基于这一分析,本文利用三个可以反映盈利能力的指标,构建得到综合盈利因子SPF;利用三个可以反映投资大小的指标,构建得到综合投资因子SIF,据此得到一种四因子模型SCM。利用该四因子模型对账面市值比因子HML和动量因子UMD进行定价,发现当考虑模型中四个因子之后,HML和UMD不再包含额外的定价信息。将SPF对市值因子MKT、规模因子SMB、HML、UMD和SIF进行回归,剔除因子共有信息之后,得到一种新的综合盈利因子SPFN。据此,本文构建了另一种四因子模型SCMN。基于理论分析,可以预期这两个因子模型的表现优于本文涉及的其它5个模型。在实证检验部分,本文首先对MKT、SMB、HML、UMD、盈利因子RMW、投资因子CMA、SPF和SIF这8个因子的定价能力进行了比较分析。结果表明,MKT表现最优,SMB和SPF次之,这表明本文构建得到的综合盈利因子优于RMW。接着,本文利用随机抽样的方法进行了组合构建,使得组合不包含任何先验信息,结果表明仅有MKT被选入模型。这一结果表明当利用异象变量进行组合构建时,其会包含先验信息,会对因子有所偏好,进而使得模型检验结果存在偏误。在模型检验部分,利用本文构建的18个检验组合对包含SCM和SCMN在内的7个定价模型进行了检验,结果表明本文构建的SCMN和SCM在表现最优次数和不被拒绝次数两个层面均优于其它5个模型。最后本文利用三种方法进行了稳健性分析,以实现两个目标:检验组合包含更多的先验信息,同时获得充分多的检验组合。检验结果表明,从表现最优数量来看,SCMN最多,SCM次之;从模型不被拒绝比例来看,SCMN最高;从模型稳定性来看,SCMN表现最稳定,SCM次之。利用上述稳健性分析,进一步证实本文构建的两个模型有更高的定价能力。这一结果表明本文提出的因子构建方法能够提高模型定价水平,而利用美国数据进行的实证检验同样证实了这一点。基于理论分析和实证研究,并结合最新文献成果,本文认为可以在如下两个方面对因子模型进行更为深入的研究:一,如何在定价模型中包含更多信息,进而能对足够多的异象变量进行解释,这一点是很有研究价值的。是否能够提出新的方法,使得定价模型在具有良好计量性质的前提下,包含更多的定价信息,值得进一步深入研究;二,对非嵌套因子模型的差异显著性进行分析研究,进而对定价模型含义有更深入的认知。