阶段5因子检验方法●●●●●

IC：因子有效性的第一张体检报告

我的掌握程度：

q-426精讲

先掌握这个答案

IC（Information Coefficient）= 每日「因子值×下期收益」的横截面相关系数。实操细节：①下期收益必须错开（因子t日收盘值配t+1起收益——防前视）；②相关系数用Spearman（RankIC）优于Pearson——对异常值免疫；③IC序列（一天一个值）才是研究对象。判读标尺：|IC均值|>0.02-0.03可用，>0.05强因子（A股日频量价典型0.02-0.05）。次级特征同样重要：IC标准差（稳定性）、正IC占比>55%、分年度是否同向、t值=均值/(std/√n)>2。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

先固定IC的实验口径

明确股票池、信号可得时点、预测持有期、相关方法及权重。IC阈值不能跨研究直接套用；重叠标签导致序列相关，ICIR或t值不能无条件按独立样本解释。最终还要检验成本、换手与容量。

本阶段实战方法 · 让一个因子经历完整的样本外检验

从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。

写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。

使用边界

IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。

不懂的术语：T+1 / T+0 因子（Factor）IC（信息系数）RankIC 特征（Feature）

背景 · 从一个困惑说起

你有了一个因子，100个交易日里它每天给5000只股票打分。怎么判断「这些分数有没有用」？最直接的想法：每天的分数与第二天的收益算个相关系数——好的天多还是坏的天多？这一算，就得到了量化行业最常用的体检指标。

由此产生的问题

IC的精确定义、计算细节和判读标准是什么？IC序列还要看哪些次级特征？

核心概念

为什么需要它

①可比性：IC把「因子有没有用」压缩成可跨因子比较的单一标尺——因子库排序的语言；②与IR的直通关系：IR=IC×√BR（阶段1 q-039的直觉公式），IC是信息比率的原子；③速筛效率：新因子5分钟出IC序列，先看量级再决定要不要做昂贵的分层回测——研究漏斗的第一层滤网。

实际应用场景

计算模板（本题code）；IC衰减曲线（不同持有期的IC）定调仓周期；IC的多空净值（累计∑IC）可视化因子「赚钱节奏」。

与之前知识的联系

q-401定义因子，本题给它第一张体检单；q-202/223（阶段3）的相关系数在此落地为研究工具；q-431的分层回测是第二层滤网（IC好≠单调性好），两关都过才入库。

⚠ 常见误解

IC高=能赚钱：IC只看「分数与收益的线性相关」，忽略成本/容量/单调性——IC 0.06但换手50倍的因子可能净亏
IC好天天都该正：噪声主导单日IC，正IC占比55-60%已属优秀；追求「天天正」的因子大概率过拟合
用Pearson就行：财务因子长尾极端值会扭曲Pearson；RankIC是行业默认不是偏好

🤖 AI导师

导师会先检查你的前置知识（因子定义、相关系数、横截面概念），再用案例、公式和代码帮助理解。此功能需要先启用服务。