← Quant 101 总览
第 06 关 · 因子评价

因子好不好:IC 与 ICIREvaluating Factors with IC

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。

1IC:信息系数

每个月,算“因子值排名下期收益排名 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

2ICIR:又强又稳的程度

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。

3真实因子排行(很有料)

因子IC均值ICIR
动量-0.024-0.18
短期反转+0.0290.27
中期反转+0.0510.39
低波动+0.0880.53

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。

4为什么 IC 0.088 这么小却能赚?

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。

✍ 动手做

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。

小结

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。

各因子累计IC:线持续向上=长期有效,低波动最陡。
← 上一关
横截面思维与第一个因子
下一关 →
多因子合成与组合构建