上一关靠“看柱状图”判断因子好坏,太主观。这一关学会用一个数(IC)科学地量化:这个因子到底有多强、稳不稳。
每个月,算“因子值排名 和 下期收益排名 的相关性”(Spearman 秩相关)。
档位:|IC|>0.03 有点用,>0.05 不错。A 股月频单因子常年 >0.1 很难。
from scipy.stats import spearmanr
ic, _ = spearmanr(factor, fwd_return) # 这一期的 IC
ICIR = IC均值 / IC标准差,相当于因子的夏普。>0.3 算稳健;正负号代表方向。
| 因子 | IC均值 | ICIR |
|---|---|---|
| 动量 | -0.024 | -0.18 |
| 短期反转 | +0.029 | 0.27 |
| 中期反转 | +0.051 | 0.39 |
| 低波动 | +0.088 | 0.53 |
结论一目了然:动量在 A 股负的(没用),反转、低波动才有效,低波动最强(“波动小的票反而涨得稳”,A 股著名有效因子)。累计 IC 曲线(图)持续向上 = 长期有效,低波动那条最陡。
因为它是横截面的:对几千只票同时下注,每只只要有一点点小优势,小优势 × 大样本 = 稳定的超额。这跟“赌一只票涨跌”完全不同。
把“低波动”的窗口从 20 天改成 60 天,看 IC 变强还是变弱;再想想还能造什么因子。
IC=因子值与下期收益的横截面秩相关,量化因子强弱;ICIR=因子的夏普;小IC靠大样本横截面也能赚。
