一、课程导论：量化因子漂移的定义、因子失效的常见原因、PSI与IC在监控中的核心作用
1.1 量化因子漂移的定义
在量化投资中，因子漂移（Factor Drift）是指一个原本有效的选股因子，其预测能力、收益特征或统计分布随时间推移发生显著变化的现象。这种漂移是因子生命周期的自然组成部分，也是量化策略失效的核心预警信号。
因子漂移通常表现为以下三种形态：
- 分布漂移：因子值的截面分布（均值、方差、偏度）发生结构性变化，导致原有分位数切割失效。
- 收益漂移：因子多空组合的收益率、夏普比率或胜率出现趋势性衰减。
- 逻辑漂移：因子背后的经济学或行为金融学逻辑因市场环境、监管政策或投资者结构变化而不再成立。
核心观点：因子漂移不是“是否发生”的问题，而是“何时发生、多快发生”的问题。量化投研的核心工作之一，就是建立一套系统化的漂移巡查机制。
1.2 因子失效的常见原因
因子失效并非随机事件，其背后通常有可归因的驱动因素。下表总结了量化实践中最常见的五类失效原因：
| 失效类别 | 具体表现 | 典型场景 |
|---|---|---|
| 拥挤交易 | 因子被大量资金跟踪，超额收益被套利行为抹平 | 低波因子在2020-2021年全球量化拥挤后失效 |
| 市场结构突变 | 交易规则、涨跌停制度、T+0/T+1切换导致因子逻辑断裂 | A股注册制改革后小市值因子的尾部风险变化 |
| 宏观环境切换 | 利率、通胀、流动性周期改变因子收益方向 | 价值因子在低利率环境跑输，高利率环境回归 |
| 数据污染与幸存者偏差 | 回测数据未做前向调整，或包含未来信息 | 财务因子未做财报日期对齐导致的伪有效 |
| 过拟合与数据挖掘 | 因子在样本内过度优化，样本外泛化能力极差 | 多因子组合中引入过多低频交互项 |
实战警示：因子失效往往是多种原因叠加的结果。例如，拥挤交易叠加宏观切换，会使因子衰减速度呈非线性加速。单一归因分析容易遗漏系统性风险。
1.3 PSI与IC在监控中的核心作用
因子漂移巡查需要定量化的监控指标。在业界实践中，PSI（Population Stability Index，群体稳定性指标）和IC（Information Coefficient，信息系数）是最核心的两大监控工具，分别从“分布稳定性”和“预测有效性”两个维度构成监控闭环。
1.3.1 PSI：分布稳定性的量化标尺
PSI衡量因子值在时间序列上的分布偏移程度。其计算公式基于分箱后的概率分布差异：
PSI = Σ (P_i - Q_i) × ln(P_i / Q_i)
其中：
- P_i = 当前期（监控期）第 i 个分箱的样本占比
- Q_i = 基准期（建模期）第 i 个分箱的样本占比
- 分箱通常按等频或等宽划分为 10 箱PSI的判定阈值在业界有通用标准：
- PSI < 0.1：因子分布稳定，无需干预。
- 0.1 ≤ PSI < 0.25：轻度漂移，需加强监控频率。
- PSI ≥ 0.25：显著漂移，建议触发因子复核或临时停用。
1.3.2 IC：预测有效性的实时仪表盘
IC衡量因子值对下期收益的排序预测能力。最常用的是Spearman秩相关系数：
IC = corr(rank(factor_t), rank(return_{t+1}))
其中：
- rank(factor_t) = 当期因子值的截面排名
- rank(return_{t+1}) = 下期收益率的截面排名
- 取值范围 [-1, 1]，正值表示正向预测IC的监控指标通常包括：
- Rank IC：截面秩相关系数，最常用。
- IC均值：滚动窗口（如12个月）的平均IC，判断趋势。
- IC标准差：衡量IC的波动性，标准差过大说明因子不稳定。
- ICIR（IC Information Ratio）：IC均值除以IC标准差，衡量因子收益的稳定性。
最佳实践：PSI和IC必须联合使用。PSI稳定但IC衰减，说明因子逻辑可能失效；PSI漂移但IC稳定，说明因子可能捕捉到了新的结构性机会。单一指标容易产生误判。
1.4 PSI与IC的监控闭环架构
下图展示了因子漂移巡查中PSI与IC的协同工作流：
上图展示了从因子数据输入到PSI与IC双通道检测，再到联合判定处置的完整闭环。这种架构确保了因子漂移巡查的系统性和可重复性，避免依赖人工经验的主观判断。
1.5 本章小结
因子漂移是量化策略生命周期中的必然现象，其成因包括拥挤交易、市场结构突变、宏观环境切换、数据污染和过拟合等。PSI和IC分别从分布稳定性和预测有效性两个正交维度构建了监控体系：
- PSI：回答“因子的统计分布是否变了？”
- IC：回答“因子的预测能力是否还在？”