文章核心观点 - 研究探讨了采用偏最小二乘（PLS）模型预测因子收益，并将其应用于因子加权，以提升投资组合表现 [1] - 在单因子组合、多因子模型及“固收+”策略中应用PLS模型进行权重优化，相比传统加权方法（如等权、收益均值加权）能有效提升年化收益 [2][3] 单因子多策略应用 - 在20个单因子的top100组合配置中，对波动率最大的5个因子组合采用PLS模型预期收益确定权重 [2] - 相比收益均值加权方式，年化收益提升约4.0%（2018.01-2025.11） [2] - 相比等权方式，年化收益提升6.6% [2] 风格组合配置应用 - 构建了6个基础风格组合：1个红利优选、1个成长期优选、两个小市值组合、两个风格相对均衡的组合（PB盈利和GARP组合） [2] - 对波动较大组合采用PLS模型预期超额收益加权 [2] - 相比超额收益均值加权方式，年化收益提升3.3% [2] - 相比等权方式，年化收益提升3.9% [2] 量化“固收+”策略应用（股票端为复合风格组合） - 策略构建：股票端采用PLS预期收益加权的复合风格组合，债券端采用中证短债指数 [2] - 当股票仓位为10%时，策略自2018年以来年化收益5.6%，年化波动率2.6%，信息比率2.17 [2] - 当股票仓位提升至20%时，策略年化收益8.4%，年化波动率5.1%，信息比率1.65 [2] 多因子单策略应用 - 在多因子模型中，采用PLS预期收益确定因子权重，可改善模型预期信息系数（IC）及top100组合的业绩表现 [3] - 但这种改善并非在每个截面都成立，PLS模型可能更擅长风格间的配置，而非同类因子的精细比较 [3] - 从时序角度看，IC均值加权、IC信息比率（ICIR）加权、PLS加权方式各有优劣 [3] - PLS加权方式整体更为稳健，但在因子动量持续性强时（如2023年），表现不如IC均值加权和ICIR加权突出 [3] 量化“固收+”策略应用（股票端为多因子模型组合） - 策略构建：股票端采用PLS预期收益加权的多因子模型top100组合，债券端采用中证短债指数，股票仓位设定为20% [3] - 在2018.01至2025.11期间，策略年化收益8.1%，年化波动率5.6%，最大回撤5.4% [3] - 在圈定的固收+基金中比较，该策略收益排名除2020年处于32.1%分位点外，其余年份均在前二分之一（即前50%） [3]