“该策略使用20天动量信号，对主成分投资组合进行奇异值分解，并预测未来回报。头寸被分配到前三个投资组合中，等权重，每20天重新平衡一次。”
资产类别: 股票 | 地区: 美国 | 周期: 每月 | 市场: 股票 | 关键词: 主成分分析
I. 策略概要
该投资范围包括25个双重排序的Fama-French规模-价值投资组合。该策略涉及使用20天动量信号，这些信号在资产之间进行标准化和排名。基于这些动量信号的预测矩阵用于通过计算t+1时刻回报的期望值乘以t时刻的信号来预测未来20天的回报。该矩阵使用过去120个周期进行估计。奇异值分解用于计算形成主成分投资组合（即线性策略）的奇异向量。选择前三个主成分投资组合，并对其进行等权重分配。该策略每20天重新平衡一次。
II. 策略合理性
该策略的功能在于使用奇异向量，它们是预测矩阵的关键组成部分，负责信号和回报之间最大的协变。奇异向量形成主成分投资组合，这对于信号和回报中的交叉可预测性和联合动态至关重要。这些主成分投资组合根据其可预测性进行排名，使从业者能够选择排名靠前的投资组合以获得最大回报。该策略在样本内和样本外都证明有效，使其在各种预测期限、投资范围和动量回溯期内都具有鲁棒性。这种在不同条件下盈利能力的一致性凸显了其在预测未来回报方面的优势。
III. 来源论文
Principal Portfolios [点击查看论文]
- 凯利（Bryan T. Kelly）、马拉穆德（Semyon Malamud）、佩德森（Lasse Heje Pedersen），耶鲁大学管理学院（Yale SOM）；AQR资本管理公司（AQR Capital Management, LLC）；美国国家经济研究局（NBER）；洛桑联邦理工学院（Ecole Polytechnique Fédérale de Lausanne）；经济政策研究中心（CEPR）；瑞士金融研究院（Swiss Finance Institute）；AQR资本管理公司；哥本哈根商学院金融系（Copenhagen Business School – Department of Finance）；经济政策研究中心（CEPR）
<摘要>
我们提出了一种新的资产定价框架，其中所有证券的信号都用于预测每个单独的回报。虽然文献关注每种证券自身的信号可预测性，并假设证券之间具有相同的强度，但我们的框架是灵活的，包括交叉可预测性——这导致了三个主要结果。首先，我们以封闭形式推导出最优策略。它由“预测矩阵”的特征向量组成，我们称之为“主成分投资组合”。其次，我们将问题分解为阿尔法和贝塔，分别产生具有零因子敞口和正因子敞口的最优策略。第三，我们提供了资产定价模型的新测试。从经验上看，主成分投资组合在几个数据集中为标准因子提供了显著的样本外阿尔法。
IV. 回测表现
| 年化回报 | 7.2% |
| 波动率 | 10% |
| β值 | N/A |
| 夏普比率 | 0.72 |
| 索提诺比率 | N/A |
| 最大回撤 | N/A |
| 胜率 | N/A |
