近年来,因子投资方式受到了越来越多的基金管理人、投资者的认可,因子类产品包括Smart Beta指数化投资和多因子策略等所占比重也逐年提升,而这一切的基础在于有效因子的挖掘。常见的因子挖掘方式是从经济学或行为金融角度出发,根据观察到的错误定价的现象来构建因子;而本文试图从数据挖掘的角度出发,通过构建海量指标,并利用多重测试框架排除数据拟合的成分,从而快速找到有效的因子。本文从三张财务报表中挑选出覆盖率高的92个X指标和11个Y指标,利用六个因子合成公式,共计算得到大量财务衍生指标,然后分别根据这些指标构建多空组合,并以多空组合收益作为该指标的因子收益,最后利用基于自助法的多重测试框架对这些因子进行检测,得到排除数据拟合成分之后仍然显著有效的因子。为了验证这种方法所筛选因子的有效性,本文将样本数据分成等长度的前后两期,然后从因子有效性转移矩阵、多空组合收益的差异性以及基于所筛选因子构建的纯多头选股策略的表现三个方面进行了检验,结果表明所筛选出来的因子可以提供不错的超额收益,并且在样本外有着不错的稳定性。另外,本文还对选出的因子进行了分析,发现效果最好的因子中,收入利润类指标、预收款项相关指标、应付职工薪酬相关指标、杠杆率变化相关指标这四类指标构建的因子数目较多,且这类因子的逻辑较为清晰,多为这类指标的同比或环比增速,比如应付职工薪酬作为公司员工薪酬以及福利的代理指标,其增长率反应了公司业务的扩张。最后,本文还从行为金融学角度,对因子收益来源进行了分析。结果表明,本文方法选出的因子收益来源于错误定价,并推测与交易成本和投资者对于信息的有限注意相关。