单因子有效性检验
在多因子研究框架中,因子的有效性检验是不可避免的工作,其本质是衡量一个因子的选股能力,以下介绍笔者日常学习过程中摘下的几种有效性检验方法,以供日后使用。
本文将介绍目前学术界和业界普遍使用的两种方法,以供参考:
相关性检验
因子的相关性检验即检验单因子和收益率之间是否存在相关性
IC值
计算同一时刻的个股的指标值和未来一段时间(通常为一个月)收益的相关性,也就是IC值(信息系数)。
IC值的计算方法包括Normal IC和Rank IC
分别对应Pearson相关系数和Spearman相关系数
·Normal IC
由t期因子载荷预测得到的t+1期收益预测值与收益实际值的相关系数
Normal IC前提条件收益服从正态分布
也可以直接使用当期因子值与下期实际收益率的Pearson相关系数
·Rank IC
Rank IC与Normal IC不同之处在于采用秩相关系数,适用于各种收益分布
IR值
IR是Imformation Ratio的缩写
表示因子在多个调仓周期中获得稳定Alpha的能力
每个调仓期间计算一个因子IC值
有时IR指策略的IR,表示策略稳定战胜指数的能力
单调性检验
有时因子在统计上并不表现出对于未来收益率很好的预测能力,但是可能由于该因子的复杂逻辑,其在策略中仍能获得超额收益。于是可以用更直接的方法检验该因子的选股能力。
step1 每个调仓期,按照因子指标大小对股票池中所有股票分组,一般根据券池大小为5组或10组。
step2组内按等权重或者市值加权进行历史数据回测
step3多次调仓期后观察回测结果,包括累计收益,最大回撤,IR值,胜率等指标和净值曲线的层次划分。如果优势组各指标越好,净值曲线层次划分越明显,说明单调性越强,该因子越有效。
E.g.
1.净值曲线层次划分
上图中第一组到第五组净值曲线划分明显,且期末净值表现出很好的单调性,故可认为该因子有效
2.各指标单调性
下图中表示某因子在2007-2019各年份累计收益的组间比较。
可见累计收益在2009,2011,2015,2019这些年份表现出不错的单调性,故该因子在这些年份选股能力较强。
参考
下期内容
多因子筛选与因子正交化方法