4. 因子IC分析：IC的定义与计算、Rank IC与Pearson IC、IC序列的统计检验、IC衰减分析

各位同学，欢迎来到因子实战的第四讲。今天咱们聊一个核心话题——IC分析。

说实话，我见过不少做量化的人，因子库堆了一大堆，回测曲线也漂亮，但一到实盘就拉胯。为什么？说白了，就是没搞清楚因子和未来收益之间到底有没有稳定的关系。而IC，就是用来量化这个关系的。

4.1 IC的定义与计算

IC，全称是Information Coefficient，信息系数。它的定义很简单：因子在第t期的取值，与第t+1期股票收益之间的相关性。

你想想看，如果因子值高的股票，下一期收益也高，那IC就是正的。反之就是负的。IC的绝对值越大，说明因子的预测能力越强。

我在项目中遇到过一个问题：有些同学直接用当期的因子值和当期的收益算IC。这其实是个坑。因子是用来预测未来的，不是解释过去的。所以一定要用t期的因子对t+1期的收益。

4.2 Pearson IC与Rank IC

IC有两种常见的计算方式，咱们得区分清楚。

4.2.1 Pearson IC

Pearson IC就是普通的皮尔逊相关系数。它衡量的是因子值和收益之间的线性关系。

import pandas as pd
import numpy as np
from scipy.stats import pearsonr

def calc_pearson_ic(factor_series, return_series):
    """
    计算Pearson IC
    factor_series: 某期所有股票的因子值
    return_series: 下一期所有股票的收益
    """
    # 去除缺失值
    mask = ~(factor_series.isna() | return_series.isna())
    f = factor_series[mask]
    r = return_series[mask]
    
    ic, p_value = pearsonr(f, r)
    return ic, p_value

Pearson IC有个问题：它对异常值非常敏感。我记得有一次，某个股票因子值突然爆了个大数，结果那期的IC直接从0.05跳到了0.3。后来一查，是数据录入错误。所以，我个人习惯在算Pearson IC之前，先做一下极值处理。

4.2.2 Rank IC

Rank IC用的是秩相关系数，也就是Spearman相关系数。它不关心因子值具体是多少，只关心排序。

from scipy.stats import spearmanr

def calc_rank_ic(factor_series, return_series):
    """
    计算Rank IC
    """
    mask = ~(factor_series.isna() | return_series.isna())
    f = factor_series[mask]
    r = return_series[mask]
    
    ic, p_value = spearmanr(f, r)
    return ic, p_value

Rank IC的好处是稳健。你想想看，因子值被一个极端值污染了，排序可能只变化一两位，但Pearson IC可能就崩了。所以，业界更常用Rank IC。

对比维度	Pearson IC	Rank IC
衡量关系	线性关系	单调关系
对异常值敏感度	高	低
计算复杂度	低	中
业界使用频率	较低	较高

4.3 IC序列的统计检验

算出一堆IC值之后，怎么判断这个因子是不是真的有效？光看平均值是不够的。我们需要做统计检验。

4.3.1 均值检验

最基础的是检验IC序列的均值是否显著不为零。假设我们有一个IC序列，长度是T。

from scipy import stats

def ic_mean_test(ic_series):
    """
    对IC序列做t检验，看均值是否显著不为零
    """
    t_stat, p_value = stats.ttest_1samp(ic_series, 0)
    mean_ic = ic_series.mean()
    std_ic = ic_series.std()
    ir = mean_ic / std_ic  # 信息比率
    
    return {
        'mean_ic': mean_ic,
        'std_ic': std_ic,
        't_stat': t_stat,
        'p_value': p_value,
        'ir': ir
    }

这里有个概念叫IR（Information Ratio），就是IC的均值除以标准差。IR越高，说明因子越稳定。我个人习惯看IR大于0.5的因子，低于这个数，实盘大概率会出问题。

4.3.2 胜率与累积IC

除了均值检验，我还会看两个指标：

• IC胜率：IC大于0的期数占总期数的比例。如果胜率超过60%，说明因子正向预测的稳定性不错。
• 累积IC曲线：把IC序列累加起来画个图。如果曲线是稳步向上的，说明因子持续有效。如果曲线像过山车，那就要小心了。

4.4 IC衰减分析

因子预测能力能持续多久？这就是IC衰减要回答的问题。

4.4.1 多期IC

我们不仅要看t期因子对t+1期收益的IC，还要看对t+2、t+3...期的IC。这叫多期IC。

def calc_multi_period_ic(factor_df, return_df, max_lag=10):
    """
    计算多期IC
    factor_df: 因子值DataFrame，行是时间，列是股票
    return_df: 收益DataFrame，行是时间，列是股票
    max_lag: 最大滞后天数
    """
    results = []
    for lag in range(1, max_lag + 1):
        # 对齐数据：t期的因子对t+lag期的收益
        aligned_factor = factor_df.iloc[:-lag]
        aligned_return = return_df.iloc[lag:]
        
        # 计算每期的IC
        ic_list = []
        for i in range(len(aligned_factor)):
            f = aligned_factor.iloc[i]
            r = aligned_return.iloc[i]
            ic, _ = spearmanr(f, r)
            ic_list.append(ic)
        
        results.append({
            'lag': lag,
            'mean_ic': np.mean(ic_list),
            'std_ic': np.std(ic_list)
        })
    
    return pd.DataFrame(results)

4.4.2 衰减曲线

把不同滞后期对应的IC均值画出来，就是衰减曲线。一个理想的因子，应该是IC随着滞后期增加而逐渐衰减，而不是突然消失或者变成负的。

我见过一些高频因子，IC在滞后1期的时候有0.08，但滞后2期就掉到0.01了。这种因子只能做T+0交易，持仓稍微长一点就失效。而一些基本面因子，比如ROE，IC衰减就很慢，滞后10期还能保持0.02以上。

4.4.3 半衰期

半衰期是指IC衰减到初始值一半所需的时间。这是一个很直观的指标。

def calc_half_life(ic_decay_series):
    """
    计算IC半衰期
    ic_decay_series: 不同滞后期对应的IC均值
    """
    initial_ic = ic_decay_series.iloc[0]
    half_ic = initial_ic / 2
    
    # 找到IC首次低于半值的位置
    for i, ic in enumerate(ic_decay_series):
        if ic < half_ic:
            return i + 1  # 返回滞后期数
    
    return len(ic_decay_series)  # 如果一直没低于半值，返回最大滞后期

嗯，这里要注意：半衰期只是一个参考指标，不能完全依赖它。因为有些因子的衰减不是线性的，可能前几期衰减很快，后面又稳住了。

4.5 本章知识体系

为了让大家更直观地理解本章的内容结构，我画了一张图：

好了，关于因子IC分析的核心内容就这些。从定义到计算，从统计检验到衰减分析，每一步都有坑，也都有技巧。我个人觉得，IC分析是因子研究中最基础也最重要的一环。你花一周时间把IC分析做扎实了，后面选因子、配权重都会轻松很多。