因子评价体系:IC / ICIR / 分层 / 衰减 / 换手
换一个问法之后,P2 那些「显著」的信号几乎全部不合格
前六节我们一直在问同一个问题:"这个信号出现之后,涨不涨?"
那是事件研究的问法。做因子要换一个问法:
在同一天的所有标的里,这个因子能不能把未来收益排出顺序?
换完问法,结果变了。用严格的因子标准衡量,P2 里那些 p 值小到 0.0000 的"显著"信号:
- ICIR 全部在 -0.12 到 +0.11 之间,而"值得继续研究"的门槛通常是 0.3
- 分层全部不单调
- 20 日动量的 IC 甚至是负的——横截面上是反转,而 P2 的时序检验显示的是延续
这一节讲清五个指标,以及为什么它们必须一起看。
"吃了这个药之后,病人好转了"——这是事件研究。
"在同一批病人里,吃药剂量越大的,好转程度越高吗"——这是因子研究。
第一个问法里,病人会自己好、会有安慰剂效应、会有其他治疗;第二个问法天然带对照组:同一天、同样的市场环境,只比较标的之间的差异。
做因子,就是把市场整体的涨跌扣掉之后,看你还剩什么。
一、五个指标,一个都不能少
| 指标 | 回答什么 | 及格线(经验值) |
|---|---|---|
| IC | 因子有没有方向、强度多大 | |IC| > 0.02 |
| ICIR | 方向稳不稳(IC 均值 / IC 标准差) | > 0.3 |
| 分层 | 是不是只有极端组有效 | 单调 |
| 衰减 | 信息能维持多久 → 决定调仓频率 | 越慢越好 |
| 换手 | 排名稳不稳 → 决定付不付得起成本 | 相邻日排名相关 > 0.9 |
ICIR 比 IC 重要。一个 IC=0.05 但忽正忽负的因子,远不如一个 IC=0.02 但方向稳定的因子好用——因为前者你根本不知道什么时候该信它。
二、实测:六个因子的成绩单
| 因子 | 持有期 | IC 均值 | IC 标准差 | ICIR | IC>0 占比 | t 值* |
|---|---|---|---|---|---|---|
| 动量20 | 5 日 | -0.0297 | 0.2392 | -0.124 | 46.2% | -3.52 |
| 动量20 | 20 日 | -0.0253 | 0.2329 | -0.108 | 47.6% | -1.53 |
| 波动率20 | 5 日 | -0.0166 | 0.2494 | -0.067 | 47.6% | -1.89 |
| 波动率20 | 20 日 | -0.0207 | 0.2387 | -0.087 | 45.4% | -1.22 |
| 相对成交量 | 5 日 | -0.0146 | 0.1906 | -0.077 | 47.2% | -2.17 |
| roeAvg | 20 日 | +0.0146 | 0.2340 | +0.062 | 50.3% | 0.62 |
| YOYNI | 20 日 | +0.0054 | 0.2455 | +0.022 | 52.4% | 0.22 |
| liabilityToAsset | 60 日 | +0.0223 | 0.2000 | +0.112 | 52.3% | 0.64 |
* t 值已按重叠窗口做保守打折(有效样本 ≈ 天数/持有期,见 P3.2)
没有一个因子的 ICIR 达到 0.3。最好的一个是 0.112。
注意 20 日动量的 IC 是负的(-0.0297),而 P2 的时序检验说动量会延续。
这不是矛盾,是两个不同的东西:
- 时序动量(P2.2/P2.3):这只标的自己涨了,接下来它自己还会涨吗?
- 横截面动量(本节):同一天里,涨得多的标的,接下来会比涨得少的标的涨得更多吗?
实测结果:时序上延续,横截面上反转。A 股短周期的横截面反转效应在学术上有大量文献支持,这里的数字与之方向一致。
这个区分极其重要,因为它决定你的策略形态:时序动量做择时(什么时候持有),横截面反转做选股(持有哪些)。把两者混为一谈,你会做出一个自己和自己打架的策略。
🔧 动手做:换个问法,看 P2 那些"显著"信号剩几个(6 分钟)
前面几节找到不少"显著"信号。跑 python factor_eval.py,用因子评价的正规问法(IC / ICIR)重新审它们。
你会看到(实测):六个因子的 ICIR 全部落在 -0.124 到 +0.112 之间,没一个达到 0.3 的经验门槛;连动量20 的 5 日 IC 都是 -0.0297(负的,横截面反转)。换个问法,P2 那些"显著"的信号几乎全部不合格。
想明白:t 检验说"信号日和非信号日均值有差异"(显著),但那不等于"这个因子能拿来选股"。因子评价问的是更狠的问题:它对未来收益的排序能力(IC)稳不稳(ICIR)。很多"统计显著"的信号,ICIR 一算就现原形。显著 ≠ 有用。
三、分层:排除"全靠尾部"的假因子
按因子五等分,看各组未来收益是否单调:
动量20(20 日后)
| 层 | 平均收益 |
|---|---|
| 第 1 层(最低) | 1.247% |
| 第 2 层 | 0.984% |
| 第 3 层 | 1.148% |
| 第 4 层 | 1.151% |
| 第 5 层(最高) | 1.190% |
| 多空(5-1) | -0.057% 不单调 |
波动率20(20 日后)
| 层 | 平均收益 |
|---|---|
| 第 1 层 | 0.788% |
| 第 2 层 | 0.933% |
| 第 3 层 | 1.073% |
| 第 4 层 | 1.565% |
| 第 5 层 | 1.376% |
| 多空(5-1) | +0.588% 不单调(第 4 层反而最高) |
roeAvg(60 日后)
| 层 | 平均收益 |
|---|---|
| 第 1 层(ROE 最低) | 3.868% |
| 第 2 层 | 3.127% |
| 第 3 层 | 2.430% |
| 第 4 层 | 1.065% |
| 第 5 层(ROE 最高) | 2.781% |
| 多空(5-1) | -1.087% 不单调 |
三个因子全部不单调。这说明:即使某些持有期上 IC 显著,效应也不是"因子值越大越好"这种干净形态,而是集中在某一端或某几组——这种因子做成多空组合会非常不稳定。
四、衰减与换手
衰减(IC 随持有期)
| 因子 | 1 日 | 5 日 | 10 日 | 20 日 | 60 日 |
|---|---|---|---|---|---|
| 动量20 | -0.0257 | -0.0297 | -0.0275 | -0.0253 | -0.0175 |
| 波动率20 | -0.0173 | -0.0166 | -0.0190 | -0.0207 | -0.0336 |
| 相对成交量 | -0.0319 | -0.0146 | -0.0063 | -0.0027 | -0.0046 |
三种典型形态一次看全:动量衰减很慢(60 日仍有 -0.0175)、波动率反而随期限增强、相对成交量5 日就基本归零。
换手(排名稳定性)
| 因子 | 相邻日排名相关 | 20 日后排名相关 | 评价 |
|---|---|---|---|
| 动量20 | 0.9246 | -0.0222 | 低换手 |
| 波动率20 | 0.9772 | 0.5991 | 低换手 |
| 相对成交量 | 0.5200 | -0.0788 | 高换手 |
把衰减和换手放在一起,"相对成交量"的问题就一目了然:1 日 IC 最强(-0.0319),但 5 日就归零,而且排名天天在变(相邻日相关仅 0.52)。
这意味着你必须每天大幅调仓才能捕捉它——而按 p0.2 的死亡线方法,这种换手率下,它的信息量几乎必然被成本吃光。
五、与业界标准对拍
手写 IC 之后必须验证它算得对。我们与 alphalens-reloaded 0.4.6(Quantopian alphalens 的维护分支)对拍同一个因子:
共同交易日 3998
我们的 IC 均值 -0.029739
alphalens IC 均值 -0.029339
两者相关 0.997152
✓ 高度一致(差异来自 alphalens 的前视对齐与去极值默认设置)
生产建议:因子评价直接用 alphalens-reloaded,它的分层、换手、收益归因都更完整。手写的价值在于你知道每个数字是怎么来的——当 alphalens 给出一个反直觉的结果时,你能判断是因子的问题还是参数设置的问题。
本节的样本限制,必须说在结论之前。
- 技术因子只有 50 只标的,基本面因子只有 30 只
- 30 个标的的横截面 IC 噪声极大——真实的因子研究至少要几百只,通常是全市场
所以本节的具体数字只能用于演示方法,不足以支撑任何关于这些因子有效性的结论。
我保留它们,是因为方法比数字重要:你学会的是这套评价流程,而不是"动量因子在 A 股无效"这种需要更大样本才能下的判断。
📌 免责:本课为技术教学,样本量有限(技术因子 50 只、基本面 30 只),数字仅用于演示方法,不构成对任何因子有效性的结论,更不构成投资建议。
P2 章完结。这一节把前六节放进了同一把尺子下:
- 五个指标必须一起看:IC 有方向、ICIR 稳定、分层单调、衰减够慢、换手够低
- 实测:没有一个因子的 ICIR 达到 0.3(最好 0.112),分层全部不单调
- 时序动量 ≠ 横截面动量:P2 的时序检验显示延续,横截面 IC 却是负的(反转)。混为一谈会做出自己和自己打架的策略
- 与 alphalens 对拍相关 0.997152,证明我们的 IC 定义与业界一致
- 样本限制说在前面:30–50 只标的的横截面噪声极大,数字只演示方法
P2 六节讲了那么多"显著",到这一节几乎全被打回。这不是自我否定,而是这门课的核心方法论:一个信号要变成可用的因子,中间隔着五道关;而大多数流行说法,连第一关都过不去。
下一章 P3 进入计量与统计。它会回答一个一直悬着的问题:P2 那 49 次检验里的"显著",到底有几个是真的?答案在 P3.4——而在那之前,我们要先搞清楚收益率到底是个什么分布。
🔎 来源与核验· 4 条,点开核对
