在股市中,股票的定价问题是学术界和业界共同关注的重要问题,经典的资本资产定价模型在Fama和French的研究中拓展成著名的Fama-French三因子模型和Fama-French五因子模型,能够有效地衡量股票的收益和风险关系,解释股票组合的风险溢价,Fama在2018年又提出了在五因子模型之上添加动量因子形成的六因子模型,进一步提升了模型的解释能力。本文基于Fama的六因子模型框架,利用自然语言处理技术对市场提取的情感指标,将其纳入六因子模型形成新的多因子模型,探寻各个因子在我国A股市场的有效性及差异性,并在此多因子模型之上构建了对应了量化选股策略,不仅具有理论意义,也具有实践意义。本文选取2011年1月至2019年11月期间的沪深300股票数据以及对应股票的股吧数据作为研究对象。通过构建的情绪指标,同时利用上市公司的月度数据,构建Fama-French六因子模型,并纳入情绪因子形成改进的多因子模型。然后在25宫格的股票投资组合之上对多因子模型进行实证研究。实证表明多因子模型能够较好得解释A股沪深300的收益率波动,超额收益率的联合假设并不显著。最后在多因子模型的基础上,利用回归法和排序法实现选股模型,构建量化策略,并利用情绪指标实现择时,策略回测收益显著高于沪深300指数收益。综上,本文构建的多因子模型不仅在A股上验证了模型的有效性,也在实践中完成了投资策略构建,发挥了理论的实践价值。