本文介绍了Bryan Kelly等人于2023年发表在The Journal of Finance上的文章“Principal Portfolios”。作者提出了一种新的资产定价框架，该框架会重点捕捉因子信号对横截面上所有资产的交叉预测效应。在此基础上，作者推导出了基于任一特定因子信号进行资产配置的最优配置方案的解析解，它可以被表示为一系列“主干投资组合”的配置之和。实证结果表明，基于主干投资组合分析所得到的投资策略能够在样本外获取显著的超额收益。
　　文章的主要贡献有：
　　作者在横截面因子信号对横截面资产未来收益的预测矩阵（predictionmatrix）方面进行了深入探讨，更加充分地利用了因子信号对资产未来收益的交叉预测效应，通过以奇异值分解为主的分析工具推导出了最优的将各资产因子信号线性转换为投资策略在各资产上的配置方案的解析解。作者指出，最优的投资组合由一系列主干投资组合（PrincipalPortfolios，PPs）累加而成，并且具有明显的经济学含义。
　　作者通过将预测矩阵分解为对称和反对称两个部分，分别进行研究后推导出了基于任一因子信号的最优Beta策略与最优Alpha策略，其中最优Beta策略充分暴露于该因子信号所对应的潜在因子（latentfactor）上，并且期望收益恒大于直接将因子信号用作资产配置权重所得到的简单因子（simple factor）策略；最优Alpha策略在潜在因子上零暴露，且能提供正的期望收益。此外，仍旧可以通过主干投资组合分析将Beta策略或Alpha策略分别分解为一系列主干风险投资组合（principal exposure portfolios，PEPs）之和或一系列主干alpha投资组合（principal alpha portfolios，PAPs）之和。
　　实证层面，作者分别在标准的Fama-French投资组合、一百多种权益因子组合数据集上，分别以动量、一百多种权益因子暴露作为预测信号来研究PP在样本外的表现。实证结果与理论推导一致，也即PP在样本外具有显著超额，PEP在样本外具有显著因子暴露，PAP在样本外具有显著alpha且无明显因子暴露。
　　推荐理由：作者从理论模型到实证检验设计了一套完整且严谨的流程，全面地阐述了其所提出的全新资产定价框架的理论意义与实践优势，其模型思想值得学习，且模型在国内市场的应用前景也值得期待。
　　风险提示：本报告所引述文献的分析与结论主要基于海外市场，国内市场情况可能有所不同，本报告与参考文献的结论不构成任何投资建议。