作为一种分析股票投资价值的框架，多因子模型在量化投资中运用最为普遍，它通过寻找各种指标（因子）与未来股票收益之间的关系，构建多因子模型对股票的投资价值进行评价，再选择综合评分较高的若干股票构建投资组合，以期获得相对较高的超额收益。

在构建模型时，我们较为重视因子指标的计算和检验、因子选取的方法、因子权重的配置，而往往忽视了模型的层次。这里的层次不是指“择时模型—行业选择模型—选股模型”的层次关系，而是指更微观的，仅在选股模型上的层次。

传统的多因子选股模型，常以全市场的股票作为研究对象，因子的有效性呈现出的是全市场股票的整体效应，利用这些因子构建的模型是全市场股票统一的模型，即全市场的股票只有一个评价标准。

但大量的研究和多年的投资实践告诉我们，全市场统一模型的优点是评价标准统一，但至少在以下两个环节中暴露出弊端。首先，因子有效性的评价。检验一个因子是否有效需要非常严格的评价标准，而以全市场股票作为研究对象，符合标准的因子将会很少，同时因子的有效性也将打折扣。其次，选股结果的投资成效。正是因为在不同种类股票中因子的效应有着非常大的差别，统一因子构成的单一模型选出的股票并没有反映股票之间的差别。

如果将全市场的股票进行分类，就会发现因子在不同类别股票中的效果有着很大差异。比如，在盈利能力强和成长性好的股票中，速动比率、流动比率等公司质量因子的效应大幅提升；而低盈利和低成长的股票反转效应更强。这说明运营质量保证下的盈利和成长才是关键，而低盈利个股的市场交易特性更强。在大盘股中，盈利、质量、估值因子的效果提升明显，而成长因子效果与全市场效果基本一致，说明投资者在投资大盘股时，更关心盈利能否持续、运营是否平稳、估值是否合理，而对成长性的期望并不高。小盘股则不同，投资者更关心交易是否活跃、前期跌幅是否比较大，对是否盈利和估值高低并不太在意。

由于因子在不同类别的股票中效果存在较大差异，这说明市场是多层次的，因此，使用相同的因子和模型对其进行统一评估确实会遗漏一些市场信息，应该根据市场的多层次性构建多层次的量化多因子模型。首先，将每一只个股进行归类，使用所归类别中有效的因子进行评估，对于有些同时具备不同类别特征的股票，还应在相应类别中分别进行评估，用加权的方式统计该只个股的综合评分。然后，再通过测试进一步构建多层次的量化多因子选股模型。这样一来，超额收益及稳定性比统一模型都有了较大幅度的提升，也更能发掘市场中细微的投资机会。