近几年,随着国内上市公司越来越多,同时伴随着市场的大起大落,使人们意识到传统定性投资方法的局限性。因此,国外业绩较为突出的量化投资策略引起了国内投资者的关注。本文基于BARRA的理论框架,进行了如下研究:(1)首先,基于BARRA结构化多因子风险模型,构建了本文的纯因子检验模型和BARRA量化对冲模型。(2)针对BARRA量化对冲模型中多个同类因子等权合成从而导致重要信息不突出的问题,给出了使用随机森林获得多个因子的重要程度,进而将其作为因子权重的方法。首先,结合最大化稳健收益的策略目标,给出了样本的分类属性;进而结合对冲模型需要选择风格暴露方向的特点,给出了分样本集学习以确定因子权重的方法。实证结果表明,使用该方法所得的因子权重相比等权处理方法,,具有明显的改进效果。(3)针对BARRA量化对冲模型中加权合成的风格因子之间存在信息重叠进而导致因子收益率估计不准确的问题,给出了使用PCA的方法在同类因子中进行信息提取,以增强模型参数估计准确度的思路。具体是将一类风格中的若干因子进行PCA处理,综合考虑各成分的信息贡献率以及与其它风格因子之间的线性相关性,从而选择一个主成分作为该类风格因子的替代。实证结果表明,这一处理方法,虽然会使某些风格损失部分有价值的信息,但模型整体估计的准确度有所提升,从而为对冲模型风格暴露的设置提供了更可靠的依据。(4)鉴于多因子模型的实现和测试环节众多、容易出错的问题,本文设计并实现了一套完整的多因子量化选股系统。通过试运行,结果表明该系统提高了模型测试与应用的准确度和效率,为投资者提供了有效的选股工具。