第4章单因子分析框架

单因子分析框架：IC/IR分析、分层回测与因子收益率计算

做量化研究这几年，我越来越觉得单因子分析是整个策略体系的基石。你想想看，如果连一个因子本身的好坏都判断不清楚，后面搭建多因子模型、做组合优化，基本就是空中楼阁。

今天咱们就聊聊单因子分析框架里的四个核心模块：IC/IR分析、分层回测、多空组合收益，还有Fama-MacBeth回归。这四个东西，说白了就是一套完整的因子体检流程。

一、IC与IR：因子的预测能力怎么量化？

IC（Information Coefficient）衡量的是因子值与未来收益之间的相关性。我习惯用Spearman秩相关系数，因为它对极端值不敏感。

核心公式：

IC_t = corr(rank(Factor_t), rank(Return_{t+1}))

IR = mean(IC) / std(IC)

IR（Information Ratio）则是IC序列的均值除以标准差。它反映的是因子预测能力的稳定性。我个人觉得，IR比IC更重要——一个因子偶尔预测得很准，但时灵时不灵，其实很难用。

我在项目中遇到过这样的情况：某个因子IC均值有0.08，看起来不错，但IR只有0.3。后来发现它的IC在牛市中特别高，熊市里直接变负。这种因子你敢重仓吗？

我的经验：

IC的月度数据至少需要36个月以上，IR才具有统计意义。少于这个样本量，IR的波动会非常大，参考价值有限。

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

def calc_ic_ir(factor_series, forward_return_series):
    """
    计算IC和IR
    factor_series: 因子值序列
    forward_return_series: 未来一期收益序列
    """
    ic_list = []
    # 按时间分组计算截面IC
    for date in factor_series.index.get_level_values('date').unique():
        factor_t = factor_series.xs(date, level='date')
        ret_t = forward_return_series.xs(date, level='date')
        ic, _ = spearmanr(factor_t, ret_t)
        ic_list.append(ic)
    
    ic_series = pd.Series(ic_list)
    mean_ic = ic_series.mean()
    std_ic = ic_series.std()
    ir = mean_ic / std_ic if std_ic != 0 else 0
    
    return mean_ic, ir, ic_series

二、分层回测：因子收益的直观展示

分层回测（Decile Analysis）是我最常用的因子诊断工具。做法很简单：每个月按因子值把股票分成10组，然后看每组未来的平均收益。

为什么要分10组？其实5组、20组都可以。但10组是个不错的平衡点——既能看出单调性，又不会让每组股票太少导致统计噪音过大。

避坑指南：

我曾经犯过一个错误：分层时直接用因子原始值排序，没考虑行业中性化。结果发现分层收益的单调性很好，但其实是行业暴露带来的假象。后来我养成了习惯——分层前先做行业市值中性化处理。

def decile_analysis(factor_df, return_df, n_groups=10):
    """
    分层回测
    factor_df: 因子值，index=[date, stock]
    return_df: 未来收益，index=[date, stock]
    """
    # 按日期分组，每期分成n_groups层
    groups = factor_df.groupby(level='date').apply(
        lambda x: pd.qcut(x, n_groups, labels=False, duplicates='drop')
    )
    
    # 计算每层平均收益
    result = pd.DataFrame()
    for g in range(n_groups):
        mask = groups == g
        group_return = return_df[mask].groupby(level='date').mean()
        result[f'Group_{g+1}'] = group_return
    
    # 多空组合：第10组 - 第1组
    result['Long_Short'] = result[f'Group_{n_groups}'] - result['Group_1']
    
    return result

三、多空组合收益：最直接的赚钱能力测试

多空组合收益，就是做多因子值最高的那组，做空因子值最低的那组。这个指标很直观——如果多空组合能稳定赚钱，说明因子确实有区分度。

但这里有个坑：A股市场做空成本很高，融券费率、券源限制都是实际问题。所以多空组合收益更多是作为理论参考，实际交易中需要调整。

关键指标：

年化多空收益：>5%算及格，>10%算优秀
最大回撤：多空组合的回撤应该控制在15%以内
胜率：月度正收益比例 > 60% 比较理想

我记得有一次分析一个动量因子，多空组合年化收益高达18%，但最大回撤超过30%。仔细一看，原来是2015年股灾期间多空收益剧烈波动。这种因子，你敢用吗？

四、Fama-MacBeth回归：因子收益率的统计检验

Fama-MacBeth回归是因子收益率计算的经典方法。它分两步走：

第一步：每个时间截面做一次横截面回归，得到因子载荷的时序序列
第二步：对因子载荷序列做t检验，看是否显著不为零

这个方法的好处是：它自动处理了截面上的残差相关性，标准误更可靠。

import statsmodels.api as sm

def fama_macbeth(factor_matrix, return_series):
    """
    Fama-MacBeth回归
    factor_matrix: 因子值矩阵，shape=(T, N, K)
    return_series: 收益序列，shape=(T, N)
    """
    T = factor_matrix.shape[0]
    K = factor_matrix.shape[2]
    
    # 第一步：每个时间截面做横截面回归
    betas = []
    for t in range(T):
        X = factor_matrix[t]
        y = return_series[t]
        X = sm.add_constant(X)
        model = sm.OLS(y, X).fit()
        betas.append(model.params)
    
    betas = pd.DataFrame(betas)
    
    # 第二步：对系数序列做t检验
    results = {}
    for col in betas.columns:
        mean_beta = betas[col].mean()
        std_beta = betas[col].std()
        t_stat = mean_beta / (std_beta / np.sqrt(T))
        results[col] = {
            'mean': mean_beta,
            't_stat': t_stat,
            'p_value': 2 * (1 - stats.t.cdf(abs(t_stat), df=T-1))
        }
    
    return results

实用建议：

Fama-MacBeth回归对异常值很敏感。我通常会在回归前做MAD（Median Absolute Deviation）去极值处理，把超过5倍MAD的样本剔除掉。这样回归结果会更稳健。

五、知识体系总览

下面这张图是我自己整理的单因子分析框架。你可以把它当作一个检查清单——每开发一个新因子，就按这个流程走一遍。

这四个模块，每个都有它独特的视角。IC/IR看的是预测能力，分层回测看的是收益结构，多空组合看的是实际赚钱效果，Fama-MacBeth则给出了统计显著性检验。把它们结合起来，你就能对一个因子做出全面、客观的评价。

嗯，这套框架我用了好几年，每次开发新因子都走一遍这个流程。虽然看起来步骤多，但习惯之后，其实半小时就能跑完一轮分析。关键是——它能帮你避免很多坑。

公众号:蓝海资料掘金营，微信deep3321