信息系数 Information Coefficient

定义#

信息系数是因子值与未来收益之间的秩相关，衡量预测力。具体做法是：在每一个时间截面上，把所有股票按因子值排名，再按未来一段时间的实际收益排名，算这两组排名的相关系数，得到一个 IC；把每期的 IC 排成时间序列，就能看这个因子的预测力有多强、有多稳。

用秩相关而不是普通相关，是因为我们关心的是排序对不对，而不是数值本身对不对——策略最终只用到「谁排前面、谁排后面」这个信息，极端值也不会因此主导结果。

公式#

其中 $f_t$ 是第 $t$ 期的截面因子值，$r_{t \to t+h}$ 是此后 $h$ 期的远期收益，$\overline{IC}$ 和 $\sigma_{IC}$ 是 IC 序列的均值和标准差。第二个式子就是风险调整 IC，它同时回答了「平均有多准」和「稳不稳」。

算一笔账#

某因子连续 5 期的 IC 分别是 0.05、−0.02、0.08、0.03、0.06。

均值 $=(0.05 - 0.02 + 0.08 + 0.03 + 0.06)/5 = 0.20/5 = 0.04$。

各期偏差为 0.01、−0.06、0.04、−0.01、0.02，平方和 $= 0.0001 + 0.0036 + 0.0016 + 0.0001 + 0.0004 = 0.0058$，样本标准差 $=\sqrt{0.0058/4} \approx 0.038$。

风险调整 IC $= 0.04/0.038 \approx 1.05$。不过样本只有 5 期，这个数的不确定性极大——报告时必须同时给出样本量和 p 值，否则它只是一个好看的巧合。

常见问题#

IC 到 0.02 算有效吗？#

没有通用阈值。同一个 IC 值的含义取决于资产池大小、预测周期、样本长度和交易成本：股票池很大时较小的 IC 也可能撑起可观的收益，交易成本高时较大的 IC 也可能白算。把某个数字当作跨市场通用的及格线是错误的读法。

IC 高但多空收益差不大，问题出在哪？#

常见有三种原因：因子和收益是非线性关系，排序对了但头尾的收益差被中间段稀释；少数极端值扭曲了实际收益，而秩相关对此不敏感；以及交易成本把账面上的收益差吃掉了。此时应回头看分组收益的单调性和换手率，而不是继续优化 IC。

看 IC 还要配合什么一起看？#

至少还要看 IC 衰减（预测力随持有期怎么下降，用来定调仓周期）、分组收益的单调性、换手率和成本后收益，以及在极端行情下的表现。另外 IC 序列常有自相关，做 t 检验时应使用稳健标准误，否则显著性会被高估。