多因子策略中的IC、IR是什么，以及如何计算

接触多因子策略，总会看到IC值、IR值，作为某种度量指标。

• IC值的定义

  IC是Information Coefficient的缩写，称为信息系数。

  IC代表的是预测值和实现值之间的相关性，通常用于评价预测能力（即选股能力）。
  $$\begin{gathered} IC\in [-1,1] \\ 绝对值越大，表示预测能力越好 \end{gathered}$$
  IC的计算方式有两种：normal IC、rank IC

  因为normal IC有一个前提条件，就是数据要服从正态分布，现实往往不理想，所以实际中更多人采用rank IC（秩相关系数）来判断因子的有效性。两者分别对应Pearson 或者 Spearman 相关系数

• Normal IC

  IC（Information coefficient 信息系数）的定义：t期（这里的期一般指的是调仓周期）的因子载荷（因子值）对t+1期的收益预测值和实际收益之间的相关系数。
  $$I{C}_A=correlation(f_A,r)$$

  $$\begin{gathered} I{C}_A:因子A在改期的IC值 \\ {f}_A：t期因子A对T+1期收益率的预测值（或向量） \\ r：t+1期股票实际收益率（或向量） \end{gathered}$$

  要计算IC就需要知道因子对下期收益率的计算。很多文献中是直接用$t$期的因子值来当作这个对$t+1$期的收益预测值，也就是说，直接计算$t$期因子值与$t+1$期的收益率之间的相关系数，作为IC值。

  求IC需要有足够的数据才有意义

• 案例

  因子：20日收益方差

  股票池：000001.SZ 平安银行；000002.SZ 万科A； 000006.SZ 深振业A； 000008.SZ 神州高铁

  日期：2018.1.2

• Rank IC

  Rank IC和Normal IC的唯一不同点在于，求相关系数时，采用秩相关系数。

  Rank IC：t期的因子载荷（因子值）的排序值和t+1期的因子收益的排序值之间的相关系数。

• IR值的定义

  IR的是Information Ratio的缩写，即信息比率。

  IR指的是超额收益的均值与标准差之比。需要多个调仓期，每一个调仓期计算出一个IC值。

  IR代表因子获得稳定Alpha的能力。
  $$IR=\frac{IC的多周期均值}{IC的标准方差}$$

  IR有时指因子IR，有时是策略IR，对于策略IR：
  $$策略IR=\frac{超出指数收益}{超出指数收益的波动率}$$
  策略IR表示策略稳定战胜基准指数的能力。

• IC与IR

  IR等于多个调仓周期的IC均值除以这些IC的标准差，所以IR兼顾了因子的选股能力（由IC表征）和选股能力的稳定性（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，对应的排名分最高的股票，选出来的股票在下格调仓周期中涨幅最大；反之-1，则是反向指标。实际中对于多年的IC均值，当$IC>0.05$时，就可以视为有效因子，当$IC>0.1$，就可以认为是很好的阿尔法因子了。当IC均值接近0，可视为无效因子。

  IR大于0.5时，因子稳定获取超额收益的能力较强。

​

• References

1. 【因子分析】之 Normal IC 与 Rank IC 的区别 (此文定义有误)
2. 量化投资学习——因子IC、IR的介绍
3. Information Coefficient (IC) Definition
4. 2017.12.29-渤海证券-多因子模型研究之二：收益预测模型