Alpha101/Alpha158 因子挑选 · factor selection by IC
IC（Information Coefficient，信息系数）= 因子值和未来收益的相关系数。IC=0.05 算弱，0.1 算不错，0.2 算很强。IC 越高，因子越能预测未来涨跌。
但 IC 高还不够——还要看IC 的稳定性（ICIR，IC 的夏普）。一个因子 IC 均值 0.1 但时高时低、有时负的，不如 IC 均值 0.08 但一直正的。所以挑因子要看 ICIR，不是单看 IC。
另一个维度是因子间相关性。两个因子 IC 都 0.1，但彼此相关 0.9——等于一个因子算了两次，没增加信息。挑因子要"高 IC + 低相关"，让每个因子贡献独立信息。这就是为什么 150 个里挑 10-20 个往往更好：去重后剩下的才是真信息。
下面 12 个因子（模拟 Alpha101 里的），按 IC 排序，标注彼此相关性。勾选因子组成子集，看子集的"有效 IC 贡献"——选太多高相关的会重复，选高 IC 低相关的最划算。
完整的因子挑选流程，从 150 个因子到最终 15 个：
关键步骤是聚类去重：把 150 个因子按相关性聚类（如层次聚类），相关高的归一簇，每簇只留 ICIR 最高的一个。这样既去重又保多样性。剩下的因子彼此相关低、各自 IC 高，是"独立信息源"。
另一个细节：IC 要分行业算。一个因子在科技股 IC 0.1，在能源股 IC -0.05——平均下来 IC 看着低，其实它在科技股很强。所以要分行业看 IC，挑在某行业强的因子，做行业中性化。这就是为什么 Alpha101 实战要配行业分类。