阶段6绩效指标●●●●●

信息比率与基本面定律：IR=IC×√BR的威力

我的掌握程度：

q-539精讲

先掌握这个答案

直觉推导：每次下注的超额≈IC×信号强度（预测力）；N次独立下注的总信息量按√N累积（√n法则，q-206同源）→ IR=IC×√BR。三项：IC=单次预测质量（横截面相关/单信号命中率）；BR=独立下注次数（股票数×调仓期数的"去相关"计数）；IR=主动管理能力的终极度量（超额/跟踪误差）。三条路线：①提IC（挖更强的因子——难，边际递减）；②扩BR（更多股票、更高频率——量化的主路线：全市场5000只×月度=6万次/年）；③权衡：IC随频率衰减（短线信号弱），BR随频率增加——最优频率在乘积IC×√BR最大化处（这正是q-056调仓频率优化的理论版）。

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

以信息可得时间对齐

财报报告期结束日不是市场获知信息的时间。对每个特征记录available_at，并确认不晚于决策时点；盘后数据通常不能用于同日收盘前下单。保留历史修订与退市样本，检查删尾重跑是否稳定。

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 · 回测先过时序、成交与成本三道关

把信号变成策略收益时，每笔收益必须能追溯到当时能下出的订单。

画出时间线：数据可得→算信号→下单→成交→持仓收益；收盘信号不能倒用当天完整收益。
明确交易价格、T+1可卖数量、停牌涨跌停、仓位上限和实际成交量约束。
同时报告毛/净收益、换手、最大回撤、基准和样本外结果；对滑点与费率做压力测试。

使用边界

简单shift(1)只解决部分时序问题；次日开盘成交还要区分隔夜和日内收益。
成本应按成交金额与买卖方向计提；0.15%是教学情景，不是统一市场费率。

不懂的术语：股票（Stock）跟踪误差（Tracking Error）信息比率（Information Ratio, IR）因子（Factor）质量 / 成长（Quality / Growth）IC（信息系数）信息比率 (IR)基本面定律（Fundamental Law of Active Management）

背景 · 从一个困惑说起

Grinold的基本面定律（Fundamental Law）是主动管理的"统一场论"：IR=IC×√BR——把预测质量（IC）与预测广度（BR，独立下注次数）乘在一起解释信息比率。它一纸公式回答了量化的存在方式：单次不准没关系，次数管够。

由此产生的问题

IR=IC×√BR的推导直觉与各项含义？它揭示了主动管理的三条路线（提IC/扩广度/两者权衡）？对个人与机构各自的启示？

核心概念

为什么需要它

①量化行业的"自我介绍"：为什么量化做全市场、为什么程序化——都是在扩BR；②合理预期管理：IC 0.03的弱信号×5000股×12月≈IR 1.4的理论值（实际打折）——弱而不灭的信号靠广度致富；③个人定位：个人提IC拼不过机构团队，但BR维度（小众市场、高频些的频率）与机构是同一条起跑线——q-081的公式版。

实际应用场景

自检：你的策略IC多少？BR多少？理论IR vs 实际IR的差距（通常实际=理论的30-60%，差距来自相关性与成本）——差距分析即改进清单。

与之前知识的联系

q-206（√n法则）在主动管理的化身；q-426（IC）与q-533（广度=次数）的统一；q-056（频率优化）的理论根基；q-081（个人优势）的数学表达。

⚠ 常见误解

IC太低的因子没价值：0.02的IC×大广度=可用IR——单看IC是"单次视角"，定律教你乘法视角
BR=交易次数：必须是"独立"下注——同涨同跌的5000只股票信息高度重叠，有效BR远小于名义次数（相关性折损）
定律保证赚钱：它是理论框架不含成本——成本随BR上升（换手），净IR=IC×√BR−成本项，最优BR有限

🤖 AI导师

导师会先检查你的前置知识（IC、信息比率概念、√n法则），再用案例、公式和代码帮助理解。此功能需要先启用服务。