第 2 章 · 03 IC 与 IR 与分层回测
文档摘要
第 2 章 · 03 IC 与 IR 与分层回测 本节摘要:上一节讲了分组回测的流程,但分组收益曲线「看着不错」是定性判断,量化研究需要定量的指标来比较不同因子的好坏。本节讲两个最核心的指标:信息系数 IC(Information Coefficient)与信息比率 IR(Information Ratio),以及比简单分组更严格的分层回测。IC 是因子值与未来收益的相关系数,衡量信号强度;IR 是 IC 的均值除以 IC 的标准差,衡量信号的稳定性;分层回测则用更细颗粒的分组检验单调性。华泰多因子系列第 1 篇给出了这些指标的工业级定义,海通系列则在每个因子报告中应用。读完本节,你能够用 IC>0.03、IR>0.5 这样的硬标准去判断因子是否值得用。
第 2 章 · 03 IC 与 IR 与分层回测
本节摘要:上一节讲了分组回测的流程,但分组收益曲线「看着不错」是定性判断,量化研究需要定量的指标来比较不同因子的好坏。本节讲两个最核心的指标:信息系数 IC(Information Coefficient)与信息比率 IR(Information Ratio),以及比简单分组更严格的分层回测。IC 是因子值与未来收益的相关系数,衡量信号强度;IR 是 IC 的均值除以 IC 的标准差,衡量信号的稳定性;分层回测则用更细颗粒的分组检验单调性。华泰多因子系列第 1 篇给出了这些指标的工业级定义,海通系列则在每个因子报告中应用。读完本节,你能够用 IC>0.03、IR>0.5 这样的硬标准去判断因子是否值得用。
内容来源:仓库研报 华泰多因子系列第 1 篇 + 海通选股因子系列方法论,知识结构化整理。
⚠️ 学习提示:IC 与 IR 是行业通用标准,但不同研报的计算细节(是否 Rank IC、是否中性化、回看周期)可能不同,横向比较时要注意口径一致。
学习目标
阅读完本节,你应当能够:
- 给出 IC 的定义与正常 IC/Rank IC 的区别。
- 写出 IR 的计算公式并解释它的统计含义。
- 说清 IC、IR 的经验阈值(多少算有效)。
- 描述分层回测比简单分组严格在哪。
- 用多空收益与单调性综合判断因子质量。
一、IC:因子值与未来收益的相关系数
IC(Information Coefficient,信息系数)的定义简单直接:每个时点上,所有股票的因子值与它们未来收益的相关系数。
IC_t = corr( 因子值_t, 未来收益_(t→t+N) )
IC 在每个截面(每个交易日或每月)算一个值,然后取一段时间的均值,就是因子的「平均预测力」。
两种 IC:
| 类型 | 计算 | 特点 |
|---|---|---|
| Normal IC(Pearson) | 因子值与收益的 Pearson 相关 | 受极值影响大 |
| Rank IC(Spearman) | 因子值的排名与收益排名的 Spearman 相关 | 推荐,稳健、抗极值、契合「分组选股」逻辑 |
华泰、海通默认都用 Rank IC——因为选股本质是按因子值排名分组,而不是用因子值的绝对数;而且 Rank IC 对极值更稳健。
💡 核心心法:Rank IC 衡量「因子排名与收益排名是否一致」,这恰好就是分组选股的逻辑。它比 Normal IC 更接近实战。
二、IC 的经验阈值
IC 是个相关系数,取值在 [-1, 1]。在 A 股市场,因子的 IC 普遍很低(若能到 0.3 就已经是神级因子),行业经验阈值:
| 平均 Rank IC | 评价 |
|---|---|
| ** | IC |
| ** | IC |
| ** | IC |
| ** | IC |
注意:IC 的正负代表因子方向。PE 因子的 IC 通常是负的(低 PE 跑赢),这不代表无效,只要稳定为负就是有效因子——使用时反向即可。
三、IR:IC 的稳定性
只看平均 IC 不够——一个因子可能平均 IC 高,但每个截面波动巨大,有时极正有时极负,这种因子不可用。IR 衡量的就是 IC 的稳定性:
IR = mean(IC序列) / std(IC序列)
IR 本质是 IC 序列的「夏普比率」——衡量每承担单位 IC 波动,能换来多少平均预测力。IR 越高,因子越稳定可用。
IR 的经验阈值:
| IR(年化) | 评价 |
|---|---|
| IR < 0.3 | 稳定性差,实战价值低 |
| IR 在 0.3 ~ 0.5 | 勉强可用,需要组合使用 |
| IR 在 0.5 ~ 1.0 | 优秀,是机构普遍追求的水平 |
| IR > 1.0 | 极佳(理论上的优秀基金经理水平) |
💡 关键观察:华泰多因子 1 给出的工业级标准是 IR > 0.5 的因子才算合格。这个阈值比单纯看平均 IC 严格得多——一个平均 IC=0.06 但 std(IC)=0.2 的因子,IR 只有 0.3,实战中信号时灵时不灵,价值远低于一个 IC=0.04 但 std=0.06 的稳定因子。
需要特别说明 IC 的年化:日频 IC 与月频 IC 的「合格阈值」不同。月频 IC > 0.05 已经不错,日频 IC > 0.03 就算有效——因为日频每年有约 240 个截面,样本量大,小 IC 在统计上已显著;月频每年只有 12 个截面,同样的 IC 显著性更难达到。横向比较因子 IC 时,务必统一采样频率。
四、IC 序列的更多统计
除了均值与标准差,IC 序列还要看几个量:
- IC 胜率:IC > 0(或与因子方向一致)的截面比例。胜率 > 50% 才说明因子持续有效,胜率 > 60% 就算优秀。
- t 检验:mean(IC) / (std(IC) / √N),检验 IC 是否显著不为零。t > 2 即在 5% 水平显著。
- IC 衰减曲线:未来 1/5/10/20/60 日收益的 IC 分别是多少,衰减速度越慢,因子容量越大、换手越低。
五、分层回测:更严格的单调性检验
简单五分组回测只能粗略看单调性,分层回测把分组做得更细,常用十分组(decile),并把每组按等权或市值加权构造组合,长期持有、定期调仓,跟踪净值曲线。
分层回测的输出包括:
| 输出 | 含义 |
|---|---|
| 各组净值曲线 | 10 条曲线,理想是「层层递进」 |
| 各组年化收益 | 是否随分组单调变化 |
| 多空组合净值 | 第 10 组做多、第 1 组做空,看长期累积 |
| 多空夏普/最大回撤 | 衡量策略风险调整后收益 |
| 单调性指标 | 收益与分组序号的相关系数 |
单调性的重要性:一个 IC 不错但分层混乱的因子,意味着信号只在极端组有效,中间大部分股票无效——这种因子容量小、不可重投。理想因子应是「层层递进」,第 1 组最差、第 10 组最好,平滑单调。
六、多空收益与选股域的关系
多空收益(Long-Short Return)是分层回测的核心数字——最高组减最低组的收益。它有几个细节要注意:
- 是否可做空:A 股做空受限,实务中常只能做多头(第 10 组),「多空收益」是理论值。
- 扣除成本:多空组合换手通常很高,扣交易成本后多空收益可能大幅缩水。
- 股票池:在不同选股域(全市场/沪深 300/中证 500/中证 1000)上,多空收益差异很大。小盘股因子在中证 1000 上往往更显著,但在沪深 300 上可能失效。
海通系列每个因子都会给出多个股票池、多个调仓周期的多空收益对照表,正是为了说明因子在什么环境下有效。
七、IC/IR 与分层回测的关系
IC、IR、分层回测三者从不同角度衡量因子,要结合起来看:
- IC/IR:横截面统计量,快、客观、可比性强,适合因子初筛。
- 分层回测:时序组合表现,直观、贴近实战,适合深度验证。
- 两者结合:用 IC/IR 筛出 top 候选因子,再做分层回测深度验证,是工业级标准流程。
补一个常见误区:有人用所有股票的因子值与收益直接算一个相关系数(把整个面板数据 pool 起来),这是错的——这忽略了时点,把不同截面混在一起,会产生「虚假相关性」。正确做法是每个截面算一个 IC,再对 IC 序列求均值与标准差。两者的差别在数据噪声大时尤其明显。
⚠️ 学习提示:IC 与 IR 高的因子也可能在某些年份完全失效。务必看 IC 的时间序列图与分层回测的逐年表现,不要被「平均」蒙蔽——稳定比平均更重要。
本节要点回顾
- IC:每个截面因子值与未来收益的相关系数;Rank IC 比 Normal IC 稳健,是行业默认。
- 经验阈值:|IC| > 0.03 算弱有效,> 0.05 算较强,> 0.1 罕见且难持续。
- IR:mean(IC)/std(IC),衡量稳定性;IR > 0.5 是华泰工业级合格线。
- IC 序列统计:胜率、t 检验、衰减曲线;稳定比平均更重要。
- 分层回测:十分组、看单调性与多空收益;理想因子层层递进。
- 多空收益:理论值,A 股做空受限,实务常只能多头;需扣成本、分股票池看。
- 组合使用:IC/IR 用于初筛,分层回测用于深度验证,是工业级标准流程。
下一节,我们看怎么把多个有效因子合成为综合因子——等权、IC 加权、回归、主成分,各有什么取舍。