因子 IC 评估实战清单

大部分量化回测的失败不是因为想法错了，而是因为信号在进入组合之前根本没有被认真评估。在期货和 A 股挖掘了几百个因子之后，我沉淀出一份几乎机械化的清单，能在回测阶段之前先过滤掉 80% 的弱信号。

1. 从 Rank IC 开始，而不是 Pearson IC

横截面 Rank IC 对极值和非正态收益的鲁棒性远高于 Pearson IC。对涨跌停密集的 A 股来说，Pearson IC 几乎是噪声。我通常要求均值 Rank IC > 0.02，IC IR（均值/标准差）> 0.1 作为底线。

2. 分层回测看单调性

如果一个因子 top-bottom 价差很大，但中间分层不单调，那它通常只是被伪装的市值或流动性 beta。我会要求五分位上的多空收益曲线近似单调——任何 U 形结构几乎都是披着 alpha 外衣的风险控制。

• 多空价差年化 > 8%（毛收益，未扣费用）
• 分层收益近似单调
• 样本内顶层夏普 > 1.0

3. IC 衰减比 IC 水平更能说明问题

把 Rank IC 对持有期（1d、3d、5d、10d、20d）画出来。如果信号在 5d 到 10d 之间 IC 砍半，那是快信号，必须用低换手成本假设；如果到 20d IC 还很平稳，那是慢而容量大的因子，可以舒服持有。

如果你说不出你的因子在什么周期上衰减，那你拥有的不是因子，而是巧合。

4. 换手率是税，不是优点

即便 IC 高达 0.05，在 A 股 200% 月换手率下，扣完印花税和冲击成本后也没剩多少。我会给每次再平衡设定最大单向换手预算，拒绝任何超出预算还交付不了多空价差的信号。

5. 跨周期稳定性

把样本切成 2020 年之前和 2021 年之后两段。如果 IC 符号翻转，或 IC IR 降幅超过 50%，那这个因子就是 regime-dependent 的，没有显式的市场状态切换，我不会给它分配风险预算。

这份清单不能替代完整的组合优化，但它能在早期就把显而易见的失败筛掉，让剩下回测结果可信得多。