自资本资产定价模型和有效市场假说等现代金融理论建立之后,超出理论范围的市场异象也大量涌现。这些横截面收益现象是传统金融理论所不能解释的,是金融市场的异常现象。针对市场异象的研究是资产定价领域的热点,国内外学者均做了大量研究,以期探求市场中横截面收益现象的特征和形成机制。而业界也对此高度关注,以期研究横截面收益现象并制定选股策略,获得超额收益。本文旨在考察利用偏最小二乘法(Partial Least Square,缩写PLS)构建的新特征变量对股票横截面收益是否具有预测作用,并以指导投资者进行量化选股。针对横截面收益现象的研究,除了沿用投资组合分组排序法、Fama-MacBeth回归等常用方法外,本文还采用PLS方法构建关于股票横截面收益信息的新特征变量。我们将横截面收益视为被解释变量,假设公司特征通过一个或几个常见的潜在因素与股票横截面收益相关联,PLS方法可以过滤掉公司特征中的噪音信息,并提取聚合各公司特征中关于股票横截面收益的信息,对股票横截面未来收益提供显著的预测作用。本文运用2003年1月至2016年5月期间2439只股票样本数据,采用PLS方法从11个公司特征提取构建新特征变量。并运用投资组合分组和Fama-MacBeth回归分析方法对新特征变量与股票横截面收益的相关关系进行实证分析。本文结论主要有以下两点:一、通过PLS方法构建的新特征变量对预测股票横截面收益有显著效果,并通过不同设定的稳健性检验。证明A股市场中可以利用PLS方法构建新变量,从而制定量化选股策略。二、通过公司特征与横截面收益现象相关关系的分析,也为我国股票市场资产定价异常现象提供了证据。证明市值、波动率、账面市值比等公司特征是影响横截面收益的因素。