2. IC的数学定义：Pearson相关系数、Spearman秩相关系数、IC的计算公式与推导

信息系数（Information Coefficient, IC）是衡量因子预测能力最核心的统计量。它量化了因子值（通常为截面上的因子暴露）与未来一期收益率之间的关联强度。本章从数学定义出发，系统讲解两种最常用的IC形式：Pearson IC（线性相关）与Spearman IC（秩相关），并给出完整的计算公式与推导过程。

2.1 Pearson相关系数：线性IC

Pearson相关系数衡量两个连续变量之间的线性相关程度。在因子分析中，它直接计算因子值向量与收益率向量之间的线性关联强度。

2.1.1 总体Pearson相关系数定义

设两个随机变量 \(X\) 和 \(Y\)，总体Pearson相关系数定义为协方差与标准差乘积的比值：

\[ \rho_{X,Y} = \frac{\text{Cov}(X, Y)}{\sigma_X \sigma_Y} = \frac{E[(X - \mu_X)(Y - \mu_Y)]}{\sqrt{E[(X - \mu_X)^2]} \sqrt{E[(Y - \mu_Y)^2]}} \]

2.1.2 样本Pearson IC计算公式

在截面因子测试中，我们通常使用样本数据计算IC。对于第 \(t\) 期，有 \(N\) 只股票，因子值向量 \(\mathbf{f}_t = (f_{1,t}, f_{2,t}, \dots, f_{N,t})\)，未来一期收益率向量 \(\mathbf{r}_{t+1} = (r_{1,t+1}, r_{2,t+1}, \dots, r_{N,t+1})\)，样本Pearson IC计算公式为：

\[ \text{IC}^{\text{Pearson}}_t = \frac{\sum_{i=1}^{N} (f_{i,t} - \bar{f}_t)(r_{i,t+1} - \bar{r}_{t+1})}{\sqrt{\sum_{i=1}^{N} (f_{i,t} - \bar{f}_t)^2} \sqrt{\sum_{i=1}^{N} (r_{i,t+1} - \bar{r}_{t+1})^2}} \]

其中 \(\bar{f}_t\) 和 \(\bar{r}_{t+1}\) 分别为第 \(t\) 期因子值和第 \(t+1\) 期收益率的截面均值。

2.1.3 计算步骤

1. 中心化：计算因子值与收益率的截面均值，分别减去均值得到离差。
2. 计算协方差：将因子离差与收益率离差对应相乘，求和后除以 \(N-1\)（样本协方差）。
3. 计算标准差：分别计算因子离差平方和与收益率离差平方和，开方后除以 \(\sqrt{N-1}\)。
4. 求比值：协方差除以两个标准差的乘积。

2.2 Spearman秩相关系数：秩IC

Spearman秩相关系数是一种非参数度量，它不要求变量满足正态分布或线性关系，而是基于数据的排序（秩）计算相关性。在因子测试中，秩IC更能反映因子对股票排序的预测能力，对极端值具有天然的稳健性。

2.2.1 定义与计算公式

将因子值 \(f_{i,t}\) 和收益率 \(r_{i,t+1}\) 分别转换为秩次（rank）。设 \(R(f_{i,t})\) 为因子值在截面上的秩次（从小到大排序，最小值为1），\(R(r_{i,t+1})\) 为收益率的秩次。Spearman秩相关系数等价于对这两组秩次计算Pearson相关系数：

\[ \text{IC}^{\text{Spearman}}_t = \frac{\sum_{i=1}^{N} (R(f_{i,t}) - \bar{R}_f)(R(r_{i,t+1}) - \bar{R}_r)}{\sqrt{\sum_{i=1}^{N} (R(f_{i,t}) - \bar{R}_f)^2} \sqrt{\sum_{i=1}^{N} (R(r_{i,t+1}) - \bar{R}_r)^2}} \]

其中 \(\bar{R}_f = \bar{R}_r = \frac{N+1}{2}\)，即秩次的总体均值。

2.2.2 简化公式（无重复秩次时）

当截面内无重复秩次（即所有因子值或收益率均不相等）时，Spearman秩相关系数可简化为：

\[ \text{IC}^{\text{Spearman}}_t = 1 - \frac{6 \sum_{i=1}^{N} d_i^2}{N(N^2 - 1)} \]

其中 \(d_i = R(f_{i,t}) - R(r_{i,t+1})\) 为第 \(i\) 只股票因子秩次与收益率秩次的差值。该公式计算简便，是实际应用中最常用的形式。

2.3 Pearson IC与Spearman IC的对比

对比维度	Pearson IC	Spearman IC（秩IC）
度量关系	线性关系	单调关系（不要求线性）
数据要求	连续数值，近似正态分布	有序数据，无分布假设
异常值敏感性	非常敏感	不敏感（基于秩次）
因子预测含义	因子值大小与收益率大小的线性匹配	因子排序与收益率排序的一致性
常见应用场景	因子值分布均匀、无极端值	因子值有极端值、关注排序预测
计算复杂度	低（直接计算）	中（需排序后再计算）

2.4 IC的数学推导：从协方差到相关系数

为了深入理解IC的数学本质，下面给出从协方差到Pearson相关系数的完整推导过程。

2.4.1 协方差与相关系数的关系

协方差 \(\text{Cov}(X, Y)\) 度量两个变量共同变动的方向与幅度，但其值受变量量纲影响。为消除量纲，将协方差除以两个变量的标准差，得到标准化的协方差——即相关系数：

\[ \rho_{X,Y} = \frac{\text{Cov}(X, Y)}{\sigma_X \sigma_Y} \]

标准化后的相关系数取值范围固定为 \([-1, 1]\)，便于跨因子、跨时间比较。

2.4.2 样本IC的推导步骤

以Pearson IC为例，推导过程如下：

1. 定义样本协方差： \[ \text{Cov}_s(f, r) = \frac{1}{N-1} \sum_{i=1}^{N} (f_i - \bar{f})(r_i - \bar{r}) \]
2. 定义样本标准差： \[ s_f = \sqrt{\frac{1}{N-1} \sum_{i=1}^{N} (f_i - \bar{f})^2}, \quad s_r = \sqrt{\frac{1}{N-1} \sum_{i=1}^{N} (r_i - \bar{r})^2} \]
3. 计算样本相关系数： \[ r_{fr} = \frac{\text{Cov}_s(f, r)}{s_f s_r} = \frac{\frac{1}{N-1} \sum (f_i - \bar{f})(r_i - \bar{r})}{\sqrt{\frac{1}{N-1} \sum (f_i - \bar{f})^2} \sqrt{\frac{1}{N-1} \sum (r_i - \bar{r})^2}} \]
4. 消去 \(\frac{1}{N-1}\)： \[ r_{fr} = \frac{\sum (f_i - \bar{f})(r_i - \bar{r})}{\sqrt{\sum (f_i - \bar{f})^2} \sqrt{\sum (r_i - \bar{r})^2}} \] 得到最终的样本Pearson IC公式。

2.5 IC计算流程图

下图展示了从原始因子值与收益率数据到最终IC值的完整计算流程，涵盖Pearson IC与Spearman IC两条路径。

2.6 时间序列IC与截面IC

在实际量化研究中，IC的计算可以从两个维度展开：

• 截面IC（Cross-sectional IC）：在同一时间点，计算所有股票因子值与未来收益率的截面相关系数。这是最常用的IC形式，反映因子在某一期的选股能力。
• 时间序列IC（Time-series IC）：对单只股票，计算其因子值时间序列与收益率时间序列的相关系数。用于评估因子对个股的时序预测能力，在统计套利中较为常见。

2.7 IC的统计性质与解读

IC值范围	统计含义	因子预测能力
0.8 ~ 1.0	极强相关	因子几乎完美预测收益率（现实中极少见）
0.5 ~ 0.8	强相关	因子具有显著预测能力
0.2 ~ 0.5	中等相关	因子有一定预测能力，常见于有效因子
0.0 ~ 0.2	弱相关或无相关	因子预测能力微弱或无效
-0.2 ~ 0.0	弱负相关	因子反向预测能力微弱
-0.5 ~ -0.2	中等负相关	因子具有反向预测能力（可考虑取反使用）
-1.0 ~ -0.5	强负相关	因子反向预测能力显著

在实际因子测试中，单期IC的绝对值通常较小（0.02~0.10），但通过多期IC的均值与稳定性（如IC均值、IC标准差、ICIR）来综合判断因子有效性。