多因子模型在资产定价中同时追求两个目标：解释测试资产的收益差异，以及解释其他竞争模型中的因子。这意味着一个优秀的模型不仅需要拟合股票或投资组合的截面收益，还必须能够捕捉或替代已知的风险因子，否则会被视为不完整。这两个目标共同决定了模型的实际应用价值。
双重目标的具体含义
第一个目标是解释测试资产。例如，市值、价值、动量等投资组合的收益率，模型需要证明其因子能够显著降低这些资产定价的误差。第二个目标是解释其他因子。如果新模型无法解释Fama-French三因子模型中的规模因子或价值因子，那么它可能只是现有因子的重复表达。一个成功的多因子模型必须同时通过这两层检验，否则其解释力会被质疑。
如何评估模型全面性
评估多因子模型是否同时满足双重目标，常用GRS检验（Gibbons, Ross, Shanken检验）和α检验。GRS检验联合检验所有测试资产的α（截距项）是否同时为零——如果α显著不为零，说明模型遗漏了系统性风险。α检验则单独考察每个资产或因子的定价误差。
实际应用中，研究者会构建包含测试资产和竞争因子的联合回归。例如，如果新模型对某动量因子的α接近零，说明它成功解释了该因子。当GRS统计量较小且对应的p值较高时，模型更可能通过双重目标检验。
避免依赖单一模型
依赖单一多因子模型存在风险：任何模型都是对现实的简化，可能在某些时期或资产类别上失效。实践中应同时参考多个模型（如Fama-French五因子模型、q因子模型、投资因子模型），对比它们对同一测试资产的解释力。如果多个模型在GRS检验和α检验中表现接近，则需关注因子的经济含义和稳定性，而非仅看统计显著性。
实际应用示例
假设要比较一个包含盈利因子和投资因子的新模型与传统的三因子模型。首先，将两组模型对同一组行业投资组合进行回归，计算GRS统计量。若新模型的GRS值更低，且对三因子模型中的规模因子和价值因子的α不显著，说明它更全面。实务中，即使统计上显著，也应结合因子逻辑和样本外表现做判断。
简短总结
多因子模型的双重目标是解释测试资产收益和竞争因子，通过GRS检验和α检验可量化其全面性。避免依赖单一模型，需在多个模型间对比并关注因子的经济逻辑。
常见问题
什么是GRS检验中的联合零假设？
GRS检验的零假设是所有测试资产的α同时为零。如果拒绝该假设，说明模型无法完全解释这些资产的收益，存在未被捕捉的风险因素。
如何选择测试资产？
测试资产应覆盖不同特征（如市值、价值、动量、行业），避免高度相关。通常选取10-50个投资组合，确保能暴露常见的系统性风险。
如果两个模型都通过GRS检验，如何进一步比较？
可比较因子的经济含义、样本外预测能力、以及因子溢价是否稳定。更稳健的模型通常具备更清晰的经济逻辑和更低的因子波动性。