因子的IC 和IR这两个概念经常出现于较为专业的量化研报中, 但其概念却少有人能说清楚。 这里我就来介绍一下IC/IR的概念, 业余策略研究者在了解这两个概念后, 就能无障碍地阅读量化研报, 并将自己的研究水平提高一个层次。

1.什么是IC/IR?

IC:信息系数(Information Coefficient,简称 IC),代表因子预测股票收益的能力。IC的计算方法是:计算全部股票在调仓周期期初排名和调仓周期期末收益排名的线性相关度(Correlation)。IC越大的因子,选股能力就越强。

IR:信息比率(Information Ratio,简称IR)= IC的多周期均值/IC的标准方差,代表因子获取稳定Alpha的能力。整个回测时段由多个调仓周期组成,每一个周期都会计算出一个不同的IC值, IR等于多个调仓周期的IC均值除以这些IC的标准方差。所以IR兼顾了因子的选股能力(由IC代表)和因子选股能力的稳定性(由IC的标准方差的倒数代表)。

IC最大值为1,表示该因子选股100%准确,对应的是排名分最高的股票,选出来的股票在下个调仓周期中,涨幅最大;相反,如果IC值为-1,则代表排名分最高的股票,在下个调仓周期中,跌幅最大,是一个完全反向的指标。

实际上,反向的指标也是非常有意义的。最无用的IC值是0或者接近0的值,这代表该因子对于股票没有任何的预测能力。当IC的绝对值大于0.05时,因子的选股能力较强,当IR大于0.5时因子稳定获取超额收益能力较强。

4.计算IC值的注意事项

(一)除了对单因子进行研究,更贴近实际的情况是计算复合因子的IC值。如果把多个因子组合在一起,可以被认为是一个复合因子。这时得到的IC是这个复合因子的IC。比如EP和BP可以同时放入到排名条件里,形成一个复合因子。重新计算的IC/IR值也会不同。

(二)当选股的筛选条件过于严格时,进行排名的股票数量过少(比如< 30只),则不应该直接做IC分析,因为得到的结果没有太多统计意义。

对于日线级别量化策略,主要的收益来自于选股,所以我们研究策略的正确步骤应该是先对纳入策略的因子进行IC/IR分析,再通过交易模型、因子权重调优等辅助手段,进一步提升策略收益。

最后一点需要注意的是:多个因子之间会产生复杂的互动效应, 所以即使一个因子单独测试表现不好, 放在一个多因子模型内也有可能提高整个模型的收益。所以希望策略研究者能有自己的思路, 多多尝试,而不只是机械地根据单因子的表现来制作多因子模型

作者:果仁网量化投资
链接:https://xueqiu.com/1652627245/108835836
来源:雪球
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
风险提示:本文所提到的观点仅代表个人的意见,所涉及标的不作推荐,据此买卖,风险自负。