1. 课程导论：IC、因子衰减与因子漂移的内在关联

1.1 信息系数（IC）的基本概念

信息系数（Information Coefficient, IC）是量化选股与因子投资中最核心的绩效度量指标之一。它衡量的是因子在某一时刻对截面个股的预测排序能力，即因子值与未来收益之间的秩相关性。

IC 的取值区间为 [-1, 1]：

• IC > 0： 因子值与未来收益正相关，因子具有正向选股能力。
• IC < 0： 因子值与未来收益负相关，因子具有反向选股能力（可反向使用）。
• IC ≈ 0： 因子无预测能力，属于无效因子。

在实际应用中，我们通常关注 Rank IC（秩相关系数）而非 Pearson IC，因为秩相关对极端值不敏感，更能反映因子真实的排序能力。

1.2 因子衰减的定义

因子衰减（Factor Decay）是指因子在时间序列上预测能力逐渐下降甚至消失的现象。它通常表现为 IC 序列的均值向零漂移、IC 波动率增大、或 IC 的胜率（IC > 0 的占比）显著降低。

因子衰减的量化指标通常包括：

• IC 均值衰减率： (IC_t - IC_t-1) / IC_t-1
• IC 累积衰减曲线： 滚动 12 个月 IC 均值的趋势线斜率
• 衰减半衰期： IC 从初始值下降到一半所需的时间窗口

1.3 因子漂移的定义

因子漂移（Factor Drift）是指因子的统计分布特征或因子与收益之间的结构关系发生系统性变化的过程。与衰减不同，漂移不一定意味着预测能力下降，而是因子行为模式的根本性改变。

因子漂移的常见表现形式：

1. 分布漂移： 因子值的均值、方差、偏度或峰度发生结构性变化。
2. 相关性漂移： 因子与其他因子或市场变量之间的相关矩阵发生改变。
3. 收益结构漂移： 因子与未来收益的函数关系从线性变为非线性，或从正向变为负向。
4. 行业/风格暴露漂移： 因子在不同行业或风格上的载荷分布发生变化。

1.4 三者之间的内在关联

IC、因子衰减与因子漂移构成了量化因子生命周期的三个核心观测维度。它们之间的关系可以用以下框架图来理解：

三者之间的核心逻辑链条：

• IC 是观测窗口： 因子衰减和因子漂移最终都会反映在 IC 序列的变化上。IC 是检测两者的第一道防线。
• 衰减是漂移的结果之一： 当因子发生漂移时，如果漂移方向不利于预测，就会表现为 IC 衰减。
• 漂移不一定导致衰减： 因子可能漂移到新的有效区间，此时 IC 可能保持稳定甚至上升，但因子行为已发生根本变化。
• 预警系统需要同时监控两者： 仅监控 IC 衰减可能漏掉漂移信号，仅监控漂移可能忽略预测能力的实际下降。

1.5 本课程学习目标

通过本课程的学习，学员将能够：

1. 掌握 IC 的多种计算方式与统计检验方法，能够独立构建 IC 监控面板。
2. 识别因子衰减的早期信号，并建立衰减预警阈值体系。
3. 检测因子漂移的类型与程度，区分分布漂移、相关性漂移与收益结构漂移。
4. 建立 IC 衰减与因子漂移的关联分析框架，理解两者之间的因果与协同关系。
5. 开发自动化预警系统，实现因子失效前的主动干预与策略调整。
6. 通过实战案例，掌握从 IC 监控到因子调整的完整工作流。

1.6 适用人群