国泰君安：基于PLS的潜变量因子研究提升A股选股能力

本篇论文是国泰君安于2018年11月13日发布的研究报告，名为《国泰君安基于PLS方法的潜变量因子研究》。报告由分析师陈奥林和研究助理殷钦怡共同完成，他们通过电子邮件地址chenaolin@gtjas.com和yinqinyi@gtjas.com可联系。该报告主要探讨了如何利用偏最小二乘法（PLS）这一量化金融工具来改进因子降维的方法，以增强投资策略的灵活性和预测个股未来收益的能力。 PLS（Partial Least Squares）是一种统计分析方法，它在处理高维度数据时表现出色，尤其在处理非线性和多重共线性问题时。相比于传统的主成分分析（PCA），PLS更加注重主元对被解释变量的解释力度，这使得它在选股结果上显示出更高的单调性和稳定性。在投资策略中，作者将PLS用于因子降维，这里的"潜变量"概念指的是那些不可直接观测但对个股收益有显著影响的变量。通过这种方法，作者将个股在因子上的暴露视为显性变量，而因子共同作用于个股的预期收益率被视为潜在的、未直接测量的潜变量。 在实证研究中，作者运用PLS从包含技术面和基本面信息的26个特征中提取潜变量，并将其应用于A股市场（排除银行股）的选股。结果显示，潜变量得分较高的前20%的股票表现优于后20%的股票，且策略的夏普比率显著提高。具体策略方面，作者构建了一个基于中证500行业权重的行业中性策略，该策略在2018年的年化超额收益率达到了4.20%，夏普比率更是高达1.24，显示出了良好的投资效果。 值得注意的是，报告中提到的PLS算法并未局限于单一潜变量，但在这篇研究中，作者仅采用了基本的单潜变量模型，假设每期股票受一个隐含的内在驱动力影响。未来的研究方向可能包括扩展到多维潜变量，以期进一步提升选股的准确性。整个金融工程团队由陈奥林和李辰两位分析师组成，他们分别负责策略的分析和执行，通过电话和邮箱联系方式可供咨询。 总结来说，这篇报告展示了PLS在量化金融领域的应用潜力，特别是在因子降维和预测个股收益方面，为投资者提供了新颖且实用的选股策略。