价值投资：价值投资关注股票的“安全边际”，通过积极寻找市场价格被明显低估的股票，进行长期性的投资来获得超额收益。在量化形式上，价值投资主要是借助PE、PB、市销率（PCF）等参数去挖掘具有较高安全边际、被市场低估的股票。
价值因子：我们选择市盈率（PE）、市净率（PB）、市销率（PCF）、除非经常性损益市盈率（RPE）和一致预期市盈率（EPE）等五个指标作为价值因子，通过使用统计结构模型建立因子与股价之间的联系，来测试和比对各因子的有效性，从而最终筛选和确定有效的价值选股指标。
选股模型：我们构建基于单指标、多指标和动态指标在内的多种选股模型，利用2002.1~2009.5的历史交易和财务数据，分别测试不同价值指标及其相互组合下的选股情况，并通过t检验来验证模型的有效性，利用相对基准组合的信息比率来比较各种策略的相互优劣。
实证检验结果：单指标选股模型下PCF选股模型最优；多指标选股模型中（PB+PCF）选股模型表现最好；动态指标选股介于上述两种模型之间。综合来看，PCF单指标选股模型在目前情况下更适合价值股选股策略。以50只股票构建基于PCF选股的价值组合，在过去七年多的测试期内，相对基准组合的年化收益达到13.7%，相对沪深300指数的年化超额收益超过18%，相对基准组合的信息比率达到1.645，战胜基准的频率接近66%。摇钱术：分层递进选股法
不同市场状态表现：价值组合在不同市场行情下均可获得相对基准组合的超额收益。综合来看在震荡和熊市行情中的表现要略好于牛市中的表现。可见，价值投资是一种相对保守型投资策略，更加适合预期市场未来不好的情况。
组合优化：成分股权重的确定对价值组合测试效果具有显著影响，我们分别构建基于流通市值的加权权重、基于MV模型的优化权重、基于BL模型的优化权重和基于遗传算法的优化权重四种策略。测试结果显示，基于IR遗传算法优化权重下价值组合的历史信息比率最优。
