XPQuant

P(IC<-0.02)，P(IC>0.02)这两个值跟因子是正向因子和负向因子有关？正向因子适用P(IC>0.02)越大越好？负向因子P(IC<-0.02)越大越好？

2026-03-10 12:21:37      回复

我在等编译

二、IC指标的评估标准：从单点预测到体系化评价 单一的IC值如同一次射击的靶点，具有偶然性。因此，实践中必须通过对回测期内一系列IC值（即IC序列）进行统计分析，形成一套立体的评估体系。下表概括了核心的评估维度与通用标准： 评估指标 定义与核心作用 通用的优秀标准参考 IC均值 回测期内所有IC值的算术平均值，反映因子的整体预测能力。绝对值越大，预测能力越强。 通常认为**绝对值大于0.03（3%）**即有效，**大于0.05（5%）**则非常优秀。日频评价中，IC高于2%即为优秀预测变量。 IC标准差 IC序列的样本标准差，衡量因子预测能力的波动性与稳定性。数值越小，表现越稳定。 通常希望其值较低，例如低于0.15或0.12。一个高均值但标准差也大的因子，实盘风险较高。 ICIR (信息比率) IC均值与IC标准差的比值，是衡量因子稳定性和性价比的核心指标。它综合了预测能力的强度和波动性，ICIR越高，说明因子在承担相同波动风险下获得的预测能力越强。 ICIR ≥ 0.5 被认为是较好水平，≥ 1.0 则非常优秀。 IC胜率 IC值为正的期数占总期数的比例，反映因子预测方向的可靠性。胜率越高，信号越稳定。 ≥ 55% 为较好，≥ 60% 为优秀，≥ 65% 则非常适合实盘。 一个优秀的预测因子，理想状态是在IC均值、ICIR和IC胜率上均达到较高水平，同时保持较低的IC标准差。评估时必须结合看待：高IC均值若伴随低胜率，可能过度依赖少数极端预测；高ICIR若建立在极低的IC均值上，其实际意义也有限。

2026-02-23 04:47:56      回复