随着大数据时代的到来,通过计算机编程挖掘股票市场潜在的投资收益,构建能够获得超额收益的量化投资策略,目前逐渐成为国内资本市场投资研究的主流方向。我国资本市场规模日益增加,交易种类和交易制度不断完善,投资者交易行为也日趋理性,国内市场为量化投资的发展创造了一个良好的成长环境。传统通过主观经验判断进行投资的基金也在逐渐向量化投资方向进行转型,寻找有效的Alpha因子成为现在投资研究的重点和难点。通过对市场上的交易数据进行分析和股票投资的实战经验,能够极大地促进定价理论的改进和完善。市场上不断出现能够获得长期超额收益的策略,对学术领域定价理论体系的完善和定价模型的改进起到了推动作用,两个领域的相互推进不断提高资本市场的定价效率。中国存在股权分置改革的特殊性,以往国内文献都是在全样本下对定价模型表现进行分析,但最适合中国市场的因子模型在不同时间段可能是不一样的,李志冰等提出主要以股改后的样本来研究国外成熟市场的模型在中国的适用性更具有合理性。本文以沪深全部A股在2007年1月到2018年6月的样本数据,研究运用Stambaugh et al.采用11种异象进行综合排名构建错误定价因子的方式,构建适合国内市场的错误定价因子和定价模型,并对包含错误定价因子的因子定价模型在A股市场上的定价水平高低进行了验证。本文分三个步骤进行了研究:一是对构建错误定价因子的市场异象进行了研究;二是对通过异象排名构建的错误定价因子的有效性进行研究;三是对包含错误定价因子的模型在A股市场的适用性进行研究。经过实证研究发现,在国外构建错误定价因子的市场异象在A股市场上并不是全部显著,并且A股市场上还存在其他异象同样可以成为构建错误定价因子的因素之一,将这些因素加入能够使构建的因子更好的反应市场上的错误定价情况;在对错误定价因子有效性验证时发现,通过异象综合排名构建的错误定价因子能够更好地解释股票的横截面收益差异,错误定价因子在市场上的回测表现效果仅次于市场因子和规模因子;包含错误定价因子的定价模型比其他模型有更高的定价水平。本文对模型在行业细分板块进行研究发现,每个板块的风险因素不同,不同的因子在行业细分板块的定价效果也不同,错误定价模型在板块定价方面有较好的表现。无论预期收益反应的是市场风险还是错误定价,因子定价模型在市场上都起到了一定的作用,错误定价因子可以捕捉到常见的错误定价来源。错误定价似乎在股票之间表现出共同性,当我们将这些共同因素进行提取构建出新的因子,使因子能够更好的对这些错误定价进行反映。本文以国内A股市场为研究对象,用构建的错误定价因子在市场上进行模拟交易,通过量化交易回测的方式,进行大量的模拟交易测试,验证因子的有效性。本文将包含错误定价因子的多因子定价模型在A股市场的适用性进行研究,通过对比Fama-French三因子模型(FF-3)、Carhart四因素模型(C-4)、Fama-French五因子模型(FF-5)、Hou,XueandZhang四因子模型(Q-4)以及错误定价因子模型的定价水平,验证了包含错误定价因子的因子定价模型能够更好的解释股票市场异象。本文的研究对国内投资领域和学术领域进行因子探索和定价模型的研究提供了新的参考。