证券组合理论最早由美国著名经济学家马柯威茨于1952年系统提出，他严格证明了以最终财富最大化为目标的理性投资者最终必将在有效边界上选择投资组合。在此之后，经济学家一直用数量化方法不断丰富和完善组合管理理论和实际投资的管理方法，并使之成为投资学中的主流理论之一。Sharpe（1964）、Lintner（1965）、Black（1972）在此基础上提出了资本资产定价模型（CAPM）。CAPM模型表明股票平均收益率主要受与宏观经济变量有关的系统风险的影响；而与公司基本面相关的价值指标等非系统风险完全可以由多元化的证券组合分散化，不会对证券组合收益产生显著的影响，但很多研究表明非系统风险对股票平均收益率具有显著影响，因此研究影响收益率的非系统风险对个人投资者和金融管理者选择证券组合，做出正确的投资决策具有重要意义。　　已有的研究为了解股票收益率的影响因素提供了基础，但这些研究都是基于时间序列模型和传统的多元线性回归模型来进行的分析，没有考虑数据的层次结构。首先，时间序列回归模型单从数据本身出发，突出时间因素在预测中的作用，暂不考虑外界具体因素的影响，只承认所有影响因素的综合作用，并在未来对预测对象仍然起作用，并未去分析探讨预测对象和影响因素之间的因果关系。而在一个较长时间内外界因素发生变化的可能性很大，只考虑时间因素，而不考虑其它因素影响，其结果将与实际情况严重不符。其次，对于存在异质性的股票数据，传统的多元线性回归模型的基本假设不再成立，若用传统OLS方法估计模型，系数标准误会产生偏倚，导致统计检验的第Ⅰ类错误，并得出不正确的推断结果；同时，多元线性回归模型假设数据中的观察相互独立，只考虑了公司个股层面上的影响因素，忽略了不同行业之间的异质性差异。众所周知，股票市场波动时，通常会呈现一个板块的集体上涨或下跌，表现出行业的群聚效应，因此仅基于个股层面的影响因素分析是不全面的，不能很好的反映各种因素对股票收益率的影响。　　事实上，股票数据可以视作有层次结构的分层数据，每一个上市公司都属于某一类行业。在中国，不同的行业因为其经营的性质、产品的特点以及在国民经济中的地位差异，导致其行业间的利润率相差很大。因此，股票的收益率表现出明显的行业间异质、行业内同质的特征。对于中国资本市场，众多学者已研究了资本资产定价模型（CAPM）的有效性以及收益率的影响因素，但其仅限于个股水平。基于上述考虑，本文在已有研究的基础上，考虑股票数据的层次结构（个股—行业）与聚集特征，设计了一个两水平的股票收益率影响因素模型，实证分析了行业因素（2水平）及公司因素（1水平）对股票收益率的影响。通过给出不同层次数据的差异性估计及跨级相关估计，以得出合理的推断。而且，多水平模型不需要假设数据中的观察相互独立，因而可以修正观察数据的非独立性引起的参数标准误估计偏倚。　　研究结果表明：多水平模型能够更好的反应行业水平和个股水平的影响因素对收益率的影响，对利率和成本反应敏感的行业具有较高的收益率，证实了收益率的行业异质性特征；个股层面上，证券收益率主要受公司财务指标的影响，包括股东获利能力、长期偿债能力、现金流能力、盈利能力和发展能力。