如何使用信息系数(IC)来确定一个模型的预测能力？

如何使用信息系数(IC)来确定一个模型的预测能力？

从业者通常使用信息系数(IC)来确定一个模型的预测能力。IC是测量一个因素和其随后实现的收益率之间的横截面相关性的一个线性统计量

和标准相关系数完全一样,IC的取值介于-1和1之间。正的IC值表示在因素和收益率之间存在正向的关系。负的IC值表示在因素和收益率之间存在负向的关系。IC值通常是一段时间区间内计算一次，比如说一天或是一个月。我们可以通过检验IC值时间序列的情况来评估一个因素是如何表现的。观察IC的均值可以告诉我们因素的预测性如何。

Sorensen,Qian和Hua提供了基于IC值进行因素分析的框架。他们的IC值测量的是因素秩之间的相关性，其中秩是因素的标准z值和因素的收益率。直观地说，该IC 测量的是与该因素的单位标准差暴露相关的收益率。该IC通过风险调整而得到进一步完善。对于风险调整，作者移除了IC中的系统性风险，从而使得IC适用于特定风险。将这些风险移除后，Qian和Hua发现得到的IC值能更精确地测量因素的收益预测能力。

因素收益实现的时间通常是不一样的。例如，基于价格反转的因素的收益在短时间内就可以实现，而诸如EBITDA/EA之类的价值因素的收益需要在一个较长的时间内才能实现。所以为一组因素预测值计算多个IC是很有必要的，其中每次计算中测量收益的时间段都是不同的。

IC方法有很多和回归模型相同的优点。该方法很容易实施。因素和其收益率之间的函数关系是已知的（线性的）。

例：信息系数图

7.4描述了EBITDA／EV、财政年度1到财政年度2的预计收益的增长率、修正值和动量等因素的IC值随时间变化的行为表现。该图给出了信息系数的时间序列均值

具体来说，EBITDA／EV的IC大约从0.03开始，并且随着投资期限从1个月到15个月不断延长是单调增加的。当期限为15个月时，EBITDA／EV因素的IC为0.09，是图中所描述的所有因素中最高的。这一关系说明持有期越长，EBITDA／EV的收益率越高。

图中其他因素的IC值的变化情况也是很有趣的。本财年与下财年预计盈利的增长率被定义为由买方分析师提供的下财年（fy2）的预计盈利和本财年（fy1）的预计盈利相比的增长率。①在本章余下部分中，我们将把本财年与下财年盈利估计值之间的增长率简称为盈利增长率。它的IC值是负的而且随着投资期限的延长而递减。动量因素的IC开始于0.02并且在5个月中上升到大约0.055。第5个月之后，它的IC开始减小。修正值的IC开始是正的然后一直缓慢上升到第11个月，然后就开始下降。

由图中的整体图形，我们可以看出不同因素的收益实现形式是不同的。一个值得注意的现象是随着持有期的延长，因素的收益率并不一定都是减小的，有时也会增加。当我们试图将几个因素进行合并时，理解每个因素的多时期的影响是十分重要的。这一信息或许会影响人们构建模型的方式。例如，我们可以利用将因素的减小或增加描述为一个校准参数的函数把关于信息期限的这一信息加入我们的模型中。或者我们可以通过改变我们的交易策略中的证券持有期来隐含地纳入这一信息。具体地，Sneddon研究了将一个具有短期预测能力的因素和一个具有长期预测能力的因素组合到一起的例子。纳入关于信息系数随期限而变化的信息常常可以提高一个模型的收益潜力。Kolm则描述了包含信息衰减、市场冲击成本和现实世界的限制在内的一般的多期模型。

牛市通网是一个牛股推荐网与低风险投资知识网，可以在线联系客服领取牛股。牛市通网从权威的投资专家、金融分析师等投资信息中挑选优质的文章进行发布。牛市通网主要为投资者提供股票知识、股票观点、股票分析和明智金融投资讨论等信息。