股票市场是资本市场最重要的组成之一,因而明辨股票预期收益变动的原因是构建一个良好运行的资本市场的关键,也是资本市场服务实体经济的先决条件。自上世纪七八十年代至今,很多资产定价领域的研究都将股票收益上的差异归因于公司基本面的差异,这种现象被称为基于公司基本面的股市异象。随着越来越多的指标不断被挖掘,研究新的股市异象的边际贡献率越来越低,资产定价领域逐渐由实证分析转向理论研究。为将这些大量的股市异象进行归类,资产定价模型历经二十余年从Fama and French（1993）三因子模型扩展至现在的Fama and French（2015）五因子模型和Hou,Xue and Zhang（2016）四因子模型。虽然这两大竞争性模型理论基础不同,但都同时考虑了盈利和投资这两个定价因子,可见盈利类和投资类股市异象举足轻重。本文首先研究公司投资与股票预期收益的关系;从单一盈利类指标中构建复合指标测度公司财务实力,再考虑如何将大量基本面指标进行整合,分别研究公司财务实力、基本面综合质量在股票横截面预期收益中的作用。然后从理性的投资Q理论和基于行为金融的错误定价视角,理解基本面的预测能力。具体研究内容和主要结论如下。第一,研究公司投资与股票预期收益的关系及其驱动机制。本文基于投资Q理论的两期模型,提出研究假设:公司投资与股票未来收益负相关;在投资摩擦越大的公司中,这种负向关系越强。实证结果表明,在美国股票市场中,公司投资的确是股票收益的负向预测因子,并且投资摩擦越大,由公司投资带来的溢价越大,尤其在投资资产比和资产增长率异象中更显著。也发现股权融资约束极可能是驱动上述两个变量预测能力的原因,而总体融资约束也有助于解释投资资产比异象,与投资Q理论预期一致。例如,当股票发行存在困难时,这类公司比容易发行股票的公司面临更高的投资成本。若在投资资产比增量相同的情况下,股票预期收益将下降更多,表明更强的资产增长率和预期收益的负相关关系。因此,基于文本的投资摩擦测度为投资Q理论解释公司投资异象,提供了实证支持。同时,本文也检验了由有限套利产生的错误定价渠道。结果表明,有限套利有助于理解美国股票市场上的资产增长率、投资增长率和净营运资产等投资异象,即股票套利限制越高,越可能遭受错误定价,则由投资产生的（负）溢价越大。实际上有限套利与投资Q理论这两个经济机制并非互斥,而是分别从投资者和公司的视角,对市场异象进行解释。本文发现上述两个机制都有利于理解公司投资在横截面上的预测能力,也恰好说明了这一点。第二,研究公司财务实力对中国股票收益的预测能力及其驱动机制。以公司季度财务报表（一季报、半年报、三季报和年报）为来源,从公司盈利、资产负债表结构合理性和产出效率三个方面的9个单一指标中,根据这些指标对比去年同季改善与否设置指示性二元变量,将这些虚拟变量之和作为季度财务实力代理变量F-score。通过单变量投资组合分析法,发现高F-score的公司股票预期收益率更高,而且这种预测能力不能被著名的五因子模型解释,初步表明F-score中测度的盈利能力与资产收益率、股权收益率等单一指标不同。而后通过相关性分析和独立双变量投资组合分析进一步检验,发现在预测股票收益时,F-score中包含的信息与单一盈利指标不同。同时,也发现在控制盈利变量及（或）公司规模、账面市值比、动量因素后,F-score的预测能力仍然显著,表明公司财务实力的预测能力比较稳健。在此基础上,进一步探索驱动F-score预测能力的经济机制。结果表明,在国企（投资摩擦小）、高换手率（套利限制强）、投资者乐观期间（投资者情绪高涨）,由F-score产生的溢价显著更强。因此,基于理性的投资Q理论和基于行为金融的错误定价,都有助于理解F-score在中国股票市场的预测作用。第三,从大量基本面指标中构建基本面综合质量测度,检验其在股票横截面预期收益中的预测能力,并探索驱动预测能力的机制。首先,以Gordon的股利增长模型为基础,从盈利能力、成长能力、公司治理、潜在价值和安全性五个方面梳理公司基本面指标,得到包含115个指标的公司特征数据集。应用主成分分析法、珐玛麦克白回归法、预测组合法、复合主成分分析法和偏最小二乘法,对上述数据集进行降维,分别构建公司基本面综合质量指数。通过单变量投资组合分析法,发现基于偏最小二乘法构建的质量指数具有最强且相对稳定的预测能力,是以市值加权方式构建投资组合时唯一通过显著性检验的指标。投资者通过买入最高质量、卖出最低质量的股票构建投资策略,在控制公司账面市值比后仍然显著;但属于小微型股票投资策略,仅在企业流通市值较小的公司中可以获得显著收益,而且市值越小,收益越高。在大市值股票中,该投资策略收益低且不显著,再次证实了上述结论。为理解公司综合质量对股票横截面收益的预测能力,首先从理性的投资Q理论出发,推断综合质量异象应该在投资摩擦小的公司中更显著,但并未得到实证支持。然后从市场情绪周期、个股投资者情绪和有限套利三个方面,检验错误定价渠道的驱动机制。情绪理论认为公司基本面质量异象应该在高情绪时显著更强。以市场层面测度投资者情绪发现,市场情绪高涨期,对冲组合的收益率仅略高于低情绪期。个股投资者情绪方面,发现在投资者持乐观看法的股票中,公司质量投资策略的收益最高,显著性最强,该结论在控制市场、规模和价值因子后仍然稳健,与理论预期一致。基于有限套利的错误定价渠道推断公司综合质量异象在套利限制高的股票中更显著。投资组合分析结果发现,套利限制越高（非流动性越大、股价越低、交易额越小）,综合质量的预测能力越强。综上,本文认为由个股投资者情绪和有限套利驱动的错误定价,有利于理解公司基本面综合质量与股票横截面预期收益的正相关关系。本文主要的创新点总结如下。第一,证实中国股票市场中基本面分析的有效性。不同于美国市场,中国市场是一个投机性强的新兴市场,其特征是散户多于机构投资者、投机炒作多于长期投资、信息操纵多于信息披露、暴涨暴跌多于平稳慢牛等。实证研究也发现,中国股票市场中的基本面效应正在弱化（张强、杨淑娥和戴耀华,2007）,而相较于美国市场的400余个美国基本面异象差异很大。本文的研究不仅首次证明衡量公司财务实力的F-score与我国股市未来收益显著正相关,也证实公司综合基本面信息在我国股市收益预测中的作用,表明基本面分析在中国股票市场中有效。第二,从多重渠道理解股市基本面异象。现有研究往往仅从某一角度解释异象的形成。例如Fama and French（1993,2008,2015）的系列研究,总结归纳规模、价值、盈利、投资等定价因子,认为股市异象是由某一类风险因子导致的;Piotroski（2002）、Cheema,Nartea and Man（2018）等,从错误定价角度理解股市异象。本文则全面考虑理性风险和行为金融两个视角,从基于投资摩擦的投资Q理论、基于投资者情绪和有限套利的错误定价等三重渠道,解释基本面信息在股票市场中的预测能力。此外,本文也从市场和个股两个层面考量由投资者情绪引发的错误定价机制。第三,创新性引入偏最小二乘法和文本信息等对相关指标进行测度,从大数据视角研究股票横截面收益预测问题。财务指标大数据方面,以往关于盈利的研究大多采用单一指标代理变量,本文采用从9个单一指标中以虚拟变量加和法提取复合信息的F-score来测度公司财务实力,并且证明了该指标在中国股票市场预测中的表现较好。以往关于公司质量的测度,基础指标量小、处理方法简单。而本文采用较新的且更适于资产定价研究的偏最小二乘法,从115个基本面指标中提取与股票未来收益最相关的信息,从而构建了预测能力更强的公司综合质量测度。因此,本文的研究证实量化大数据的整合在股票市场研究中的重要意义。在文本大数据方面,为更准确的检验经济机制,引入投资摩擦和个股情绪的文本测度,分别为投资Q理论和错误定价机制提供实证支持。应用文本融资约束指标,不仅可以区分融资受限的来源（如债务融资受限、股权融资受限等）,也可以测度出小而年轻的融资不受限的公司等,相较于传统指标更为精准。基于数行者科技有限公司提供的新闻情感倾向性数据,构建文本投资者情绪指标,改进了以往代理变量仅考虑市场层面的情绪而且指标过于间接等劣势,从而检验由个股情绪驱动的错误定价机制,补充了文本大数据在实证资产定价领域的研究。