**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求相关系数有一个前提条件，就是数据要服从正态分布，但金融类数据往往并不如此，所以现在更多人采用秩相关系数也就是rank IC来判断因子的有效性。** #### **1、Normal IC** IC（Information coefficient 信息系数)的定义：t期的因子载荷（因子值）和t+1期的因子收益之间的相关系数。 举个例子： 因子：Variance20 20日收益方差 股票池：000001.XSHE(平安银行)、000002.XSHE(万科A)、000060.XSHE(中金岭南)、000063.XSHE(中兴通讯)、000069.XSHE(华侨城A) 日期：2018年1月2日 | 股票代妈 | 因子值 |下期股票收益| |--|--|--| | 000001.XSHE | 0.120140 | -0.0267 | |000002.XSHE | 0.105666 | -0.0070 | | 000060.XSHE | 0.07945 | -0.0547 | | 000063.XSHE | 0.237343 | 0.0269 | | 000069.XSHE | 0.134598 | 0.0057 | (注：下期股票收益为股票下一交易日的涨幅) 可以求IC得两个必要条件就是求到因子值和下一期的股票收益，我们对这两列求相关系数就可以得到该因子在当前股票池范围内的IC值，值为0.7520（由于上表中的股票池极少，导致了求得的IC值比较高）。我们对每一天都求一个IC值就可以得到IC值得时间序列图，如下图所示：  从图中可以看到单日IC值得波动是比较大的，所以在图中提供了IC的月度移动平均线作为参考，而因子的有效性也是通过IC值均值来判断，当IC值均值大于0.03，可以说该因子是有效因子。 注：当样本股票过少时，IC是没有统计意义的，在对因子做有效性分析时，要保证至少有100只股票，IC才有意义。 #### **2、Rank IC** rank IC和IC唯一的不同点就是在求相关系数时，换成秩相关系数，即： rank IC： t 期的因子载荷（因子值）的排序值和 t+1 期的因子收益的排序值之间的相关系数。 举个例子： | 股票代妈 | 因子值 |因子值排名| 下期股票收益 | 下期股票收益排名 | |--|--|--|--|--| | 000001.XSHE |0.120140 | 3| -0.0267 | 2 | |000002.XSHE | 0.105666 | 2 | -0.0070 | 3 | | 000060.XSHE | 0.07945 | 1 | -0.0547 | 1 | | 000063.XSHE | 0.237343 | 5 | 0.0269 | 5 | | 000069.XSHE | 0.134598 | 4 | 0.0057 | 4 | (注：下期股票收益为股票下一交易日的涨幅) IC值是对因子值和下期股票收益求相关系数，而rank IC值是对因子值排名和下期股票收益排名求相关系数，值为0.8999。 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求相关系数有一个前提条件，就是数据要服从正态分布，但金融类数据往往并不如此，所以现在更多人采用秩相关系数也就是rank IC来判断因子的有效性。