单因子分析基础：因子计算、IC分析、因子收益率、分组回测

单因子分析，说白了就是回答一个问题：这个因子到底有没有用？

我刚开始做量化那会儿，总觉得因子越多越好。后来被市场狠狠教育了一顿——一堆垃圾因子堆在一起，策略照样亏钱。从那以后，我养成了一个习惯：每个因子上线前，必须过一遍单因子分析四件套。

1. 因子计算：把原始数据变成信号

因子计算是第一步。你得把原始行情数据，加工成一个数值序列。这个数值就是因子值，代表你对未来收益的某种预测。

举个例子，最简单的动量因子：

import pandas as pd
import numpy as np

def calc_momentum_factor(close, window=20):
    """
    计算过去20天的收益率作为动量因子
    """
    # 因子值 = 当前收盘价 / 20天前收盘价 - 1
    factor = close / close.shift(window) - 1
    return factor

# 使用示例
close_prices = pd.Series([100, 102, 101, 105, 110, ...])
momentum = calc_momentum_factor(close_prices)
print(momentum.tail())

因子计算有几个关键点：

• 对齐时间戳：因子值必须和交易时间严格对齐。别把今天的因子值用到昨天的交易上。
• 处理停牌：停牌期间因子值怎么算？我个人建议直接填充NaN，或者用前值填充。
• 标准化：不同股票的因子值量级可能差很多。我习惯做z-score标准化，让因子值均值为0，标准差为1。

2. 因子IC分析：因子和未来收益的相关性

因子算出来了，怎么知道它有没有预测能力？IC（Information Coefficient）就是干这个的。

IC的定义很简单：因子值和未来收益的相关系数。常用的有两种：

• Pearson IC：线性相关系数。假设因子和收益是线性关系。
• Rank IC：秩相关系数。只看排序关系，对极端值不敏感。我个人更常用这个。

代码实现：

def calc_ic(factor_values, forward_returns):
    """
    计算因子IC
    factor_values: 因子值序列
    forward_returns: 未来N日收益序列
    """
    # 去掉缺失值
    mask = factor_values.notna() & forward_returns.notna()
    f = factor_values[mask]
    r = forward_returns[mask]
    
    # Pearson IC
    pearson_ic = f.corr(r)
    
    # Rank IC
    rank_ic = f.rank().corr(r.rank())
    
    return pearson_ic, rank_ic

# 计算每日IC
daily_ics = []
for date in factor_df.index.unique():
    f = factor_df.loc[date]
    r = forward_returns.loc[date]
    ic = calc_ic(f, r)
    daily_ics.append({'date': date, 'pearson_ic': ic[0], 'rank_ic': ic[1]})

ic_df = pd.DataFrame(daily_ics)
print(f"平均Rank IC: {ic_df['rank_ic'].mean():.4f}")
print(f"IC标准差: {ic_df['rank_ic'].std():.4f}")
print(f"ICIR: {ic_df['rank_ic'].mean() / ic_df['rank_ic'].std():.4f}")

嗯，这里要注意：IC高不代表因子一定能赚钱。我曾经遇到一个因子，IC高达0.08，但回测一跑，亏得底裤都不剩。为什么？因为IC只衡量了相关性，没考虑交易成本、流动性这些实际问题。

3. 因子收益率分析：多空组合的表现

IC是相关性，因子收益率是真金白银的回报。做法很简单：

1. 每天按因子值排序，分成10组（或5组）
2. 做多因子值最高的组，做空因子值最低的组
3. 计算这个多空组合的收益率

代码示例：

def calc_factor_return(factor_df, return_df, groups=10):
    """
    计算因子多空组合收益率
    """
    # 每天分组
    def assign_group(x):
        return pd.qcut(x, groups, labels=False, duplicates='drop')
    
    group_df = factor_df.groupby(level='date').transform(assign_group)
    
    # 计算每组平均收益
    group_returns = return_df.groupby([group_df, return_df.index.get_level_values('date')]).mean()
    
    # 多空组合：最高组 - 最低组
    long_ret = group_returns.loc[groups-1].mean()
    short_ret = group_returns.loc[0].mean()
    factor_return = long_ret - short_ret
    
    return factor_return

factor_ret = calc_factor_return(factor_df, forward_returns)
print(f"因子多空年化收益: {factor_ret * 252:.2%}")

4. 因子分组回测：看透因子的全貌

分组回测是单因子分析的终极检验。它把股票分成N组，看每组的表现。一个优秀的因子，应该满足：

• 单调性：分组收益从低到高严格递增（或递减）
• 区分度：最高组和最低组收益差距明显
• 稳定性：不同时间段表现一致

我习惯用一张图来展示分组回测结果：

这张图里，组5（因子值最高）的累计收益最高，组1（因子值最低）最低，而且中间各组严格排序。这就是完美的单调性。

5. 综合评估：因子到底行不行？

把上面四个步骤的结果汇总，我一般会做一个因子评估表：

你想想看，如果一个因子IC均值0.06，ICIR 1.2，多空年化20%，分组严格单调，最大回撤只有8%。这种因子，我二话不说直接上线。

但现实往往是：IC均值0.03，ICIR 0.6，多空年化10%，分组基本单调但偶尔乱序，最大回撤15%。这种因子，我会再观察一段时间，或者尝试做一些改进——比如换一种因子计算方法，或者加入行业中性化处理。

公众号:蓝海资料掘金营，微信deep3321