在最近上线的版本里， 排名分析增加了因子的IC和IR的指标。 如下图。
因子IC（信息系数） 代表因子预测股票收益的能力。 IC具体的计算公式是全部股票在调仓周期期初的排名和本调仓周期收益排名的线性相关度。IC均值是多个调仓周期IC的平均值。 IC越大，表明排名分越靠前的股票，未来收益排名也越靠前。 IC的理论最大值为1 ，但对于多年的IC均值来说， >0.05时， 就可以认为因子是有效的阿尔法因子， >0.1时， 就可以认为因子是特别好的阿尔法因子。 当IC均值接近0时，因子可被认为是无效因子。 当IC均值< -0.05, 因子可以被认为是反向有效因子， 只要将排名次序倒过来， 因子就是正向的阿尔法因子。简而言之， IC均值的绝对值越大， 因子越有效。
因子IR（信息比率）代表因子在历史上表现的稳定性。 IR = IC均值/IC的波动率。 因子在不同的历史时期的表现有可能差别很大， 有的时候表现很好， 有的时候表现很差，表现在IC上，就是IC的波动率很大。 假设IC均值一定， IC的波动率越小，因子表现越稳定，IR就越大 。 注意，因子IR 和 策略IR的计算不同，策略IR=超出指数收益/超出指数收益的波动率。策略IR代表策略稳定战胜基准指数的能力。 因子IR和策略IR虽然意义不同， 但是有高度相关性。 如果策略使用稳定的阿尔法因子， 策略的IR也会提高。
在上图里， 对于沪深300成分股， 从2010年开始， EP（大）的IC为0.065， 是相当有效选股因子， 因子IR为0.309， 稳定性一般。
如果我们把多个因子放入排名条件， 这几个因子合在一起，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， 这个复合因子的IC均值可以达到0.07， IR是0.369。 从因子的有效性和稳定性， 比单独的EP因子都有提高。 如下图。
如果在筛选条件里， 放入更多条件， 就会形成一个更复杂的复合因子。 但这里必须注意， 过于严格筛选条件将大幅减少参加排名的股票个数，造成样本股数过少， 以至IC失去统计意义。 所以在做因子有效性分析性时，应该注意参加排名的股票个数要足够多，比如说至少要有100只股票， 这个IC才有参考意义。
“排名分析” 更好的名字应该是 “阿尔法因子”分析， 只是在这里， 阿尔法因子的分析是通过排名来进行的。
严格筛选的策略如何使用IC的分析？
有严格筛选条件的策略， 股票池很小， 不应该直接做IC分析， 因为得到结果没有太多统计意义。 这时建议把分析因子作为单独的一步， 在分析因子的IC时， 可以只作粗略筛选， 把要分析的因子都放入到排名条件中分析。分析完成后， 开始做策略时， 再决定把因子用到筛选条件还是排名条件中。
联系客服
