第 80 节 如何评价一个因子的效果

评价一个因子的效果通常有三种方法，分别是分组收益、IC 和组合优化收益。

分组收益比较简单。首先，每月月末按照因子值的大小排序将股票平均分成 10 组，分组的数量并不是固定的，也可以是 5 组或 7 组，分组的数量越多，越能深入分析因子的预测能力。然后，计算每组股票在下一个月的平均收益率，如果每组收益率的大小顺序与因子值的大小顺序相同，就认为分组收益具有单调性，分组收益越接近等差数列，单调性越强。分组收益单调性强的因子具有较强的预测能力，因为只要买入持有因子值大的那组股票，就能获得相对较好的收益。

IC 即信息系数（Information Coefficient），是股票的期初因子值大小顺序与股票期末收益率大小顺序的相关系数。IC 的绝对值越大，表示因子值的大小顺序与股票收益率的大小顺序的相关系数越高，即预测能力越强。IC 大于 0 表示因子值越大股票收益率越高，IC 小于 0 表示因子值越小股票收益率越高。举个简单的例子，假设有 10 只股票，如果某个因子的 IC 等于 1，也就是因子值的大小顺序与股票收益率的大小顺序完全正相关，那就意味着因子值最大的股票的收益率总是最高的。

如果不断增加分组收益中的分组数量，当每只股票就是一组时，这时的分组收益就变成了计算 IC，所以可以认为分组收益是 IC 的一种简化形式。

分组收益和 IC 这两种方法实际上都是简单地估计因子的预测能力，并且往往是高估的，并没有考虑实际交易中可能存在的交易限制对收益的影响。

通过组合优化收益的方式，加入实际投资中可能存在的交易限制，比如股票权重不能为负（也就是不能做空）、换手率不能太大（不能超过 20%）、行业偏离限制（比如行业偏离不能超过 2%）、风格因子上的偏离限制等，按照优化模型构造组合，计算这个组合的收益，就是最接近因子在实际投资中能够实现的收益。因子的优化收益越高，说明这个因子越有效，越能在实际投资中贡献收益。

 
（本章节完结）