量化概念 02：IC 怎么算

IC 到底是怎么算出来的？

两步：横截面 + 时间平均

算 IC 不用看整个历史的涨涨跌跌，只看两样东西的配对：每个股票的因子值，和它未来的收益。

第一步，横截面。挑一个日子（比如今天），把当天所有股票的因子值和"未来 N 天的收益"放在一起，算一个相关系数。这个数，就是"今天的 IC"。

第二步，时间平均。只算一天不靠谱，把过去很多个交易日都这么算一遍，每天得一个 IC，然后取平均——这就是这段时期这个因子的平均 IC。

打个比方：每次考试押一次名次，算一次"押得准不准"，考了很多次再取平均，就是你的整体押题水平。

只比名次，不比分数：Rank IC

算相关性有两种方式：

• Pearson：直接拿"因子分数"和"收益"比。问题是因子分数经常有极端值，一个异常值就能把结果带偏。
• Rank IC：先把两边都换成排名，再比排名。只看顺序、不看具体分数，抗极端值。

实践中基本都用 Rank IC——就像押名次只需要顺序，不需要猜每个人的考分。

一个数值例子

某一天，5 只股票：

• A：因子值 9，未来 10 天涨幅 +6%
• B：因子值 7，未来 10 天涨幅 +5%
• C：因子值 5，未来 10 天涨幅 +4%
• D：因子值 3，未来 10 天涨幅 +2%
• E：因子值 1，未来 10 天涨幅 +3%

按因子值排名：A → B → C → D → E 按真实涨幅排名：A → B → C → E → D

对比两列：前三名完全一致，只有最后两名反了。吻合度很高，这一天的 IC ≈ 0.9——接近满分 1，说明基本全押对。

真实数据里很少这么整齐，单日 IC 往往不高，所以单看一天不够，要攒很多天取平均，才是这个因子整体水平的估计。

多大的数算"好"

量化里 IC 普遍很低，别拿"相关系数 0.8 才算强"的常识来套：

• 0.02 ~ 0.05：常见且可用的水平
• 0.05 以上：已经算很不错的因子
• 0.1 以上：基本不可能是真的，多半是数据出了问题或过拟合

别忘了两个参数

• N 是几：未来 N 天的收益。N=1 是隔天，N=10 是持有 10 天。选 N 就是选"预测多远的未来"，N 不同，IC 也不同
• 算多久：样本时间太短，平均 IC 可能只是运气好。样本越长，结论越可信

小结

IC 的算法就两步——先横截面、再时间平均，剩下的只是参数选择。