股市异象是资产定价模型或者有效市场假说无法完全解释的股票超额收益现象。研究股市异象可以让学者更好的认识股票市场,也可以让投资者利用异象去获取超额收益。在中国,学者公开发表的异象还比较少,更多的股市异象还有待研究。同时,在美国,已有不少学者证实在已经研究并公开发表的股市异象中有很多异象是由于数据挖掘产生的假异象,而在中国,很少有学者考虑数据挖掘对股市异象的影响。本文参照美国学者的研究方法,采用统一的标准构造224个可能的异象因子,可以在减少数据挖掘影响的情况下对中国股市异象进行检验。因子构建之后首先按照股票因子值的大小将A股股票平均分为十组,并采用做多因子值最大的一组股票和做空因子值最小的一组股票的策略构造投资组合;然后根据投资组合能否获得显著超额收益率来判断该因子是否是异象因子;最后使用Fama-French三因子模型、Carhart四因子模型、Fama-French五因子模型、CH三因子模型和q-因子模型对异象因子进行解释,并根据五个多因子模型对异象因子的解释情况判断这五个模型是否适用于中国股票市场。本文实证发现,在构造的224个可能异象因子中有100个因子在10%的显著性水平下能够获得显著的超额收益,即这224个因子中有100个是异象因子。此外,本文的研究结果与之前国内的异象研究结果并不完全相同,同时,本文的研究结果显示,中美两国的异象因子也存在许多差异。在使用五个多因子模型对这100个异象因子进行解释后发现,Fama-French三因子模型、Carhart四因子模型、Fama-French五因子模型、CH三因子模型和q-因子模型能够解释的异象因子分别为38、34、36、15和35个。从结果来看,Fama-French三因子模型、Carhart四因子模型、Fama-French五因子模型和q-因子模型对A股异象的解释力相当,而CH三因子模型对A股异象的解释力则相对较弱。不过总体而言,这五个模型都不能很好的解释中国股市异象。