通过不断地摸索和实践逐步的走向成熟。近些年来，金融创新更是不断，特别是2010年我国自己的金融期货的诞生给整个证券市场提供了新的工具，将传统单边做多的操作模式做了颠覆式的革新。也正是在这个时候，国内一些有长远眼光的投资人开始寻找一些更加合理、更加稳定、更具有技术含量的盈利模式，不少人开始把目光集中于量化对冲投资策略上。　　量化对冲对于美国等成熟市场的投资人来说并不是一个新鲜的词汇，早在上个世纪40年代就提出了“对冲”这个概念，“对冲基金”在经历了几次起起落落后逐步完善和成熟。而随着计算机技术的不断提升，“量化”概念也被引进投资领域并被大家所广泛认可，特别是量化投资大师詹姆斯西蒙斯的横空出世更是让投资界了解了“量化”的魅力。　　目前，各种运用量化对冲策略盈利的私募基金和公募基金专户不断涌现。Alpha收益的获取方式五花八门，但万变不离其宗，或是选取表现优于大盘的股票，或是把握合适的买卖时机，抑或是运用衍生品工具套取绝对收益。不同的alpha策略中alpha收益的来源各不相同，其所蕴含的风险也不一。本文研究的目的便是发掘出驱动个股产生alpha收益的多种alpha因子，进而根据发掘出的有效alpha因子设计相应的选股策略和对冲组合，以寻找获得稳定收益的投资方式。　　在选股方式上面，目前常见的量化选股方法主要有四大类。多因子模型、动量反转选股、分类和回归树、神经网络。其中简单介绍一下多因子模型。1976年，罗斯提出了著名的套利定价理论(Arbitrage Pricing Theory，APT)。而多因素选股模型或多因子选股模型可以在实际操作中看成是APT理论的最典型代表。多因子选股模型的原理是找到那些引起证券价格变动的因素加入到收益率的计算公式当中，然后通过统计学原理计算出基于这些因子的选股模型，而这一做法将简化投资组合分析所要求的关于证券和证券之间相关系数的输入这一环节。该选股模型的质量主要取决于因子的选择，即我们所选择的因子是否能够被证明是导致证券收益率波动的根本原因。在因子筛选的问题上，通常可以采取分层回归和逐步回归的方法进行筛选，然后进行主成分分析，在众多的因子中寻找到解释度较高的指标组合，尽量反应所有信息。当然，证券之间的联动性除了源于市场本身的因素之外，还取决于一些非市场因素。本文正文部分将主要通过多因子模型来寻求alpha收益。　　本文的研究侧重从实际运用的角度出发，力求能够运用于真实的操作中。文章首先从量化对冲模型构建的出发，分析模型中“对冲”和“量化”分别的含义。　　其中“对冲”涉及到工具的选择，文中对比了现在国内市场可以用到的几种做空手段，包括融资融券、期权、期货。其中融资融券、期权还不具备实际使用价值，所以主要讨论了使用期货作为做空手段的情况。由于目前国内市场主要有三种股指期货，通过数据分析得出了上证50基本意义不大，沪深300和中证500各有优劣的结论。在实际使用中，中证500指数稳定性高但由于指数本身较为强势，会损失一部分组合收益。沪深300指数作为对冲工具有一定的致命缺陷，会导致在特殊情况下出现较大回撤，但是由于表现较弱，会带来一定的超额收益。总的来说在做指数分析时我们用到了沪深300做基准指数，对比因子超额收益效果，而在实际运用中为了追求稳定性还是选择了牺牲一部分收益，使用中证500指数。　　另一方面，研发的重点其实在“量化”选股上。之前提到本文主要使用多因子模型来获取alpha收益。正文中，我们构建了一套从因子初选到因子权重确定，再到股票评价体系建立，之后通过该体系对标的股进行评分排序，最终选出股票组合的完整体系。并且使用真实数据，运用各种统计软件挖掘出了一套可以实际使用的多因子模型。　　在因子的初选阶段，由于个股的Alpha收益由不同的Alpha因子驱动所产生，因此为了有效捕捉个股Alpha收益，初始因子的选择必须考虑足够的维度，同时各个因子还需具备比较合理的经济学意义，这是因子选股中最关键也是最难解决的一个问题。考虑到更多和更有效的因子往往能够有效增强模型信息捕获能力，因此本文以“多维度”加“海选”的方式进行备选因子分类及挑选，首先根据经济逻辑和市场经验将因子分为9类，它们分别为:盈利因子、成长性因子、规模因子、估值因子、杠杆因子、流动性因子、波动因子、技术因子以及一致预期因子。通过对上述因子的回报做统计分析，筛选出可以用于建立模型的因子组。再通过二阶段的测试，确定因子权重，构建因子组合，根据实际效果调整模型构成，最后形成初步成果。　　除此之外，在一般因子之外，文章还讨论了特殊性的因子，即事件驱动型的因子的可行性，在一定范围内通过数据挖掘证明了事件驱动因子的有效性，并得出了初步结论。　　文章最后也对该阶段的研发提出了一些问题和仍未解决的问题，期待在未来的研究中能够逐一解决。