因子的IC分析需要确定的是因子与收益率之间的相关性,提供给筛选的依据。也就是这张表格中的IC相关值 IC mean:因子IC的平均值 IC std:因子IC的标准差 IC > 0.02:因子IC大于0.02的比例 这里大于0.02可修改,如果更大,那么意味着筛选更加严格 IR :信息比率 在这里我们以分析估值类当中的部分因子。 一、信息系数定...
第二点,非线性关系也可能呈现出“优秀”的相关系数值,在石川老师的《用 IC 评价因子效果靠谱吗?》一文中就有很好的例子。 别看四幅图片长相各异,但是变量间的相关系数值却是完全相同。 这说明 IC 并不能反映出数据的全部信息,所以当我们看到某个因子亮眼的 IC 评价时,最好再结合分组收益看看它的单调性情况。
1、按5天(周调参)对因子ic进行排序。 2、对多个因子进行回测比较。 3、alphalens-reloaded比较 波动率与量价背离等因子的 ic分析细节。 4、pycaret机器学习模型应用于量化(vs autogluon 高精度调参)。 昨天对于因子进行了异常值、因子归一化等,计算量增加不少,但结果并没有特别大的变化。之前我们是综合计算了多个...
IR:信息比率(Information Ratio,简称IR)= IC的多周期均值/IC的标准方差,代表因子获取稳定Alpha的能力。整个回测时段由多个调仓周期组成,每一个周期都会计算出一个不同的IC值, IR等于多个调仓周期的IC均值除以这些IC的标准方差。所以IR兼顾了因子的选股能力(由IC代表)和因子选股能力的稳定性(由IC的标准方差的倒数代表...
IC是因子分析的重要指标,是 Information Coefficient 的缩写。IC 代表了预测值和实现值之间的相关性, 通常用以评价预测能力。 取值在-1到1之间, 绝对值越大, 表示预测能力越好。 IC 的计算, 一般有两种方法, normal IC 与 rank IC。 现在更多的人选择用rank IC来代替普通的IC,这是因为普通的IC求相关系数有一...
依照因子值对股票进行打分,构建投资组合回测,是最直观的衡量指标优劣的手段。一般来说,通过回归法和计算因子IC值都无法确定因子的单调性(例如,某因子值排名在中间1/3的个股表现比前1/3和后1/3的个股表现要好),但是分层回测法是可以确定因子单调性的。分层回测法逻辑简单,结果清晰,操作方便,并且具有能区分因子单...
qlib框架里自己实现了因子分析的的逻辑，代码比较简洁，可以看看。(pred: pd.Serieslabel: pd.Seriesdate_col=dropna=) -> Tuple[pd.Seriespd.Series]:df = pd.DataFrame({: pred: label}) ic = df.groupby(date_col).apply(df: df[].corr(df[])) ric = df.groupby(date_col).apply(df: df...
因子的 IC 分析需要确定的是因子与收益率之间的相关性, 提供给删选的数据, 也就是这张表格中的 IC 相关值. IC (Information Coefficient) 信息系数: IC mean: 因子 IC 的平均值 IC std: 因子 IC 的标准差 IC > 0.02: 因子 IC 大于 0.02 的比例 (可改, 数值越大越严格) ...
获取IC/IR值的方法相对简单。在果仁网策略研究界面，选择选股条件并切换至“排名分析”选项卡，设定分析时间和调仓周期，点击“开始分析”即可。以“EP因子”（市盈率倒数）为例，通过设定后，可获得IC/IR计算结果。结果主要关注因子的IC均值及IR均值，反映其预测能力和稳定性。结果解读中，IC均值和IR均值...
量化交易 实战第七课 单因子 IC 分析 概述 代码实现 导包 1. 准备因子数据 2. 准备价格数据 3. 生成通用 Alphalens 结构 4. 计算因子 因子 IC 结果分析 ...