大量的实证研究表明,股票预期收益的研究在金融领域有着广泛而重要的应用,包括检验资产定价模型、设计交易策略以及决策公司的资金成本问题等。股票的特征变量包括公司规模、账面市值比、股本收益率、净资产收益率、各项盈利性指标等,往往都与股票未来收益具有一定的相关性。这些研究结果普遍存在于现有文献中,由此充分表明这些现象并非是随机产生或者是由于数据操纵偏误所引起的。学者 Lewellen(The cross section of expected stock returns,2015)一文中提到,影响股票预期收益的不同特征变量之间具有一定的相关性,有些指标反映的是公司股票同一方面的特征,比如:资产增长率和应计未计项这两个变量都反映的是公司的成长性特征,不同的盈利性指标皆是公司盈利性特征的体现等,由此会产生信息重叠的问题,进一步可能会影响股票投资策略形成的有效性,因此,如何避免信息重叠、达到去芜存菁的目的成了 一个值得研究探讨的议题。本文基于此出发点,利用主成分分析法(PCA法)从众多股票特征变量中提取出新的主成分变量,这些新变量之间相互正交、无相关性,然后结合Fama-Macbeth(1993)的回归法、Jegadeesh和Titman(1993)的组合形成策略法,进一步衡量主成分法投资策略的绩效。结果表明,本文基于主成分法形成的动量投资策略表现很好,并且在收益的市值加权计算法下,获得的股票收益率效果最佳。研究对于投资者充分利用股票市场的可得信息,有效创建投资策略,并掌握证券市场的规律,均具有重要的理论和实践意义。