自套利定价模型开始,因子模型就一直是金融领域的经典计量模型。直至今日,国内外学者对因子模型的探索仍然没有停止。但是在以往的文献中,大多数学者的研究重点通常在因子模型的有效性以及因子的选择两个方面,对因子构造方法的讨论较少。2020年5月,Eugene Fama和Ken French在期刊“the Review of Financial Economics”发表的文章中提出了一种新的因子构造方法,即直接将横截面回归中的系数作为因子,并将其称为横截面因子,将传统的双重排序构造投资组合得到的因子称为时间序列因子。并且实证结果显示这种新的因子优于经典三因子和五因子模型中构造的因子。但是横截面因子在我国的适用性有待继续研究。因此本文选择使用A股市场数据对横截面因子和时间序列因子在我国的适用性进行分析。首先,本文对横截面因子背后的机制进行了理论分析,尝试从理论机制上对横截面因子具有的合理性进行了讨论。并基于1994至2020年A股的全样本数据比较传统的时间序列因子和横截面因子模型的定价能力,并得到初步结论认为横截面因子的优势在中国A股市场没有体现,且时变载荷模型的表现结果较差。但时间序列因子的优越性并不是绝对的,在一些指标中,横截面因子的表现更佳。之后,为了更加细致的比较这两个因子的优劣,本文又将上市公司按照行业分成金融、公共事业、房地产、综合、工业、商业六大种类,发现横截面因子在公共事业行业和房地产行业中定价能力更高,且在房地产行业中明显强于传统时间序列因子。而在金融、综合、工业以及商业类企业中,均是传统时间序列因子优于横截面因子。进一步地,把样本在时间维度上划分为股改前和股改后两部分,结果发现股改前,横截面因子的定价能力更好,股改后横截面因子的表现能力有所下降,甚至弱于时间序列因子,并且表现出了一定时变载荷的特性。可见,在不同行业以及不同时间段中,横截面因子和时间序列因子的表现情况是有所变化的。最后,本文基于Fama＆French（2020）对横截面因子的构造细节稍加改进,结果发现,改进后横截面因子的解释程度相对于改进前有较显著的提升,但是使用新的构造方法计算出来的横截面因子仍然没有强于传统的时间序列因子。对比改进前后横截面因子的表现情况可以发现,通过探索不同的构造方法,横截面因子的有效性是可以有所提升的,只不过最恰当的构造方法还需要进一步的研究和探索。因此,在之后可能的研究中探讨横截面因子其他的改进方式是有意义的,并且如果继续探索其他的构造方法,理论上存在横截面因子有效性超过时间序列因子的可能。