基于PLS模型复合因子预期收益信号的应用研究：国泰海通量化选股系列（一）

核心观点与关键数据

本文主要考察了基于偏最小二乘法（PLS）模型复合因子预期收益信号在因子加权中的应用，包括单因子多策略和多因子单策略两个维度。

1. 因子择时指标及PLS加权模型介绍

• 常见的因子择时指标包括动量、波动率、拥挤度和市场涨跌等。
• PLS模型可以在自变量存在相关性的条件下进行回归建模，通过潜变量的方式提取自变量中的有效信息，用于复合多个择时指标。

2. 因子组合加权中的应用

• 单因子多头组合加权：

  • 构建了6个基础风格组合：红利优选、成长期优选、两个小市值组合（偏高增长、偏价值）、两个风格均衡组合（PB盈利和GARP）。
  • 对波动最大的5个因子采用PLS模型预期的因子收益作为加权权重，相比于收益均值加权方式，年化收益提升约4.0%；相比于等权方式，年化收益提升约6.6%。
  • 在风格组合复合维度，对超额收益波动最大的2个组合采用PLS模型预期的因子收益作为加权权重，相比于超额收益均值加权方式，年化收益提升3.3%；相比于等权方式，年化收益提升3.9%。
  • 构建了权益仓位为20%的股债复合量化固收+策略，2018年以来年化收益8.4%，年化波动率5.1%，最大回撤4.9%，收益为正的月度占比74.7%。

• 多因子模型加权中的应用：

  • 采用PLS模型确定因子权重，可改善多因子模型预期IC以及top100多头组合业绩表现。
  • PLS加权方式整体更为稳健，但在因子动量持续强时，表现不如IC均值加权、ICIR加权突出，例如2023年。
  • 以PLS加权构建的多因子模型top100组合作为股票端资产，中证短债指数作为债券端资产，构建20%股票仓位的股债复合量化固收+策略，2018.01-2025.11期间，年化收益8.1%，年化波动率和最大回撤分别为5.6%、5.4%；在圈定的固收+基金中，收益排名除2020年处于32.1%分位点外，其余年份均在前1/2。

研究结论

• PLS模型在因子加权中具有较好的应用效果，尤其是在风格之间的配置上表现更优。
• 对于波动较大的因子，PLS模型能够有效提升组合收益；而对于波动较小的因子，简单的收益加权或ICIR加权可能更为有效。
• 时序角度，PLS加权方式整体更为稳健，但在因子动量持续强时，表现不如IC均值加权、ICIR加权突出。

风险提示

• 本文结论基于历史数据和统计分析，存在历史统计规律失效风险、因子失效风险、模型误设风险。
• 采用PLS模型确定因子权重仅提供了一个可以尝试的选项，并不一定适用所有的因子组合。