现代金融学认为，投资的本质就是如何在风险和收益之间进行决策，而APT为风险的衡量提供了严谨的理论基础。http://www.hibor.com.cn【慧博投研资讯】基于APT  理论的宏观多因子模型，通过寻找风险因子，可以由宏观数据本身或预期值，对个股或组合的收益率进行解释。http://www.hibor.com.cn（慧博投研资讯）
        国外已经开发出较为成熟的商业多因子模型，如BIRR  模型等，但由于宏观统计数据的区别以及市场差异，这些模型很难直接应用于A  股市场。因此我们在APT  框架下，尝试应用多因子模型对国内市场进行建模，最终得到由宏观经济景气指数-先行指数、CRB  金属现货指数、贷存款增速差和一年期国债收益率构成的GS-MF4  因子模型。
        我们选取  2003  年3  月至2009  年2  月共72  期作为样本期。建模过程分为下述四个步骤：（1）分类挑选出31  个数据长度能覆盖样本期的宏观因子，放入因子备选库。（2）对因子进行预处理后，列出所有可能的数据形式，从-5  至+5进行逐阶回归，初步筛选出9  个因子及其形式和阶数。（3）在9  个因子范围内对全部可能的因子组合进行多元回归，剔除多重共线性严重的组合后，得到拟合度最高的4  个因子。（4）对模型进行合理性检验，GS-MF  模型的因子构成及回归系数符合经济意义和直观认识。
        利用  GS-MF  模型，可以生成个股集对宏观风险因子的敏感度矩阵，在此基础上只要输入每期因子组的数据值和预期值，便能推导出个股预期收益序列。
        我们每期对股票池内个股预期收益序列进行排序，由此构造了一个GS  滚动选股策略。历史回溯检验表明，在单边交易成本与冲击成本为1%的假设下，2003年3  月-2009  年2  月的样本期内该策略累计收益率为611.83%，2009  年3  月-8月的样本期外累计收益率为39.11%。
        GS  选股策略的优势在于，当投资者对未来宏观数据做出判断时，只要输入预期场景值，就可以快速得到选股组合建议，尤其当宏观因子将要出现大的变动时，这种快速反应尤为可贵；但我们模型的不足在于，未把市场情绪和政策变动反应在内，因此类似于09  年8  月，在宏观数据并未出现大的波动时市场的暴跌，会使策略失效。对于这种情形，我们准备在后续的研究中，在目前的GS选股组合上加入基于市场情绪的仓位控制手段（参见2009  年的《数量化投资技术系列之八-基于Gini  系数的组合beta  值控制策略》），提高策略的有效性。
        最后作为应用示范，我们给出了两组未来虚拟场景值，并列出了对应的选股组合建议。