蜗牛之路

做国外：

申请一个海外银行卡，然后再申请alphca。

一、最大的因子

经济形势才是最大的因子，以前的螺纹钢趋势多强，这几年不行了？因为什么？房地产不行了。

附带的玻璃、家具这些相关行业也不行了。

二、指标

（一）基本知识

1.IC

（1）基本概念

在因子挖掘中，IC 是 Information Coefficient 的缩写，中文一般翻译为信息系数。

它衡量的是：

某个因子在某个时间点上的因子值，与未来一段时间的资产收益之间的横截面相关性。

简单说，IC 回答的问题是：

因子值越高的股票/币种，未来收益是否倾向于越高？

它是单因子评价的核心指标之一，常与 Rank IC、ICIR、IC 胜率一起使用。

检验关心的是"因子和随机有没有区别"——不管方向：IC 强正或强负都说明"不是瞎猜"（强负可能是个有用的反向因子），只有"接近 0"才说明没信息。

第 1 次打乱 → 算 IC ≈ +0.002 （纯运气）
第 2 次打乱 → 算 IC ≈ -0.004
...
第 20 次打乱 → 得到 20 个"运气 IC"，95 分位 = 0.0065
↑
真实 IC = -0.011 ──────── 比 95% 的运气结果都大

注意：

给所有股票打形态分，不是简单的是/否，而是把形态的各个特征量化成连续数值，再加权合成一个分数。

例如锤子线强度得分可以这样算：

1. 下影线越长 → 分数越高；
2. 实体越小 → 分数越高；
3. 上影线越短 → 分数越高；
4. 前期跌幅越大 → 分数越高；
5. 加权平均得到 0~100 的综合分

如果坚持用 0/1 也可以，但信息量少。

它适合做事件驱动策略，比如“出现锤子线后买入”。
但如果你想把它放进多因子选股模型里，连续打分通常更好，因为：

• 连续值能区分“非常标准的锤子线”和“有点像锤子线”的股票；
• 横截面上有更多变异性，IC计算更稳健；
• 可以避免因参数微小变化导致信号完全消失。

假设你回测 5 年，每年约 242 个交易日，5 年就是约 1210 个交易日。
如果你每个交易日都调仓，那么有1210个IC。

（2）.不是有3000只股票么？

假设今天有 3000 只股票，每只股票都有一个因子值（比如锤子线得分）和一个未来 5 天收益。

我们要做的，是把这 3000 只股票的数据放在一起，画一个散点图：

• 横轴：因子值（0~100）
• 纵轴：未来 5 天收益（%）
• 图上共有 3000 个点

然后计算这 3000 个点的相关系数，得到一个数字，比如 0.06。

这个 0.06 就是今天的 IC 值，是 3000 只股票共同算出来的一个数。

所以，今天虽然有 3000 只股票，但只产生了 1 个 IC。

（3）复杂形态

头肩顶形态在市场上出现的频率相对较低，尤其是个股。
如果给所有股票连续打分，大部分股票得分都很低，分布会严重右偏。
这可能导致：

• IC 计算受极端值影响；
• 分层回测时，高分组的股票数量很少，组合不够分散。

因此，对于这类稀疏形态，通常建议：

• 在打分前先过滤：只保留前期有明显上涨的股票，减少无意义的低分；
• 或者使用事件型，配合其他因子一起使用；
• 或者把形态得分与其他技术因子合成，而不是单独使用。

（4）横截面与时间序列

一个成熟的量化体系，通常会：

• 用横截面 IC 来选股：构建多因子模型，定期调仓；
• 用时间序列 IC 或择时信号来管理仓位：比如用宏观指标判断市场状态，决定股票仓位是 80% 还是 50%；
• 用止损止盈等风控规则保护组合。

这样，选股和择时各司其职，而不是只依赖一个。

（5）可能混淆的概念：时间序列 IC

你可能会想：那有没有“一只股票一个 IC”的情况？

有的，那叫时间序列 IC，但用法不同：

• 对单只股票，用它的因子值的历史时间序列和它未来收益的历史时间序列算相关系数；
• 比如：看茅台过去 1000 天里，每天的锤子线得分和它未来 5 天涨幅的关系；
• 这只能说明这个因子对茅台这一只股票有没有预测力，不能推广到全市场。

但在多因子选股中，我们通常关心的是横截面 IC，也就是每天用所有股票算一个 IC，看这个因子能不能区分不同股票的未来表现好坏。

2.ICIR

ICIR 的全称是 Information Coefficient Information Ratio，中文常称为 IC 信息比率，或者直接叫 ICIR。

它是因子挖掘中衡量因子有效性和稳定性的核心指标之一。

ICIR = IC均值 ÷ IC的波动大小。

你可以这样理解：

• 如果每个学期的IC都很稳定，比如都在0.25左右，波动很小，那这个打分很可靠，ICIR就高。
• 如果有的学期IC是0.8，有的学期是-0.5，忽高忽低，虽然平均值可能也是正的，但你不敢信，因为下次可能就失灵了。ICIR就低。

一般来说，ICIR大于0.3~0.5，就认为这个因子比较稳定。

（二）对数据处理

计算IC前通常需要：

• 去极值：对因子值做缩尾（如1%和99%分位）或MAD法；
• 标准化：因子值减去均值除以标准差（计算相关系数时其实自动标准化，但分层回测时需要）；
• 中性化：剔除行业、市值等已知风格的影响，否则IC可能反映的是风格暴露而非形态本身。

（三）出场

多因子策略的常见运行方式：定期调仓，自然完成“出场”。

比如一个典型的月度多因子策略：

• 每月最后一个交易日，计算所有股票的因子综合得分；
• 买入得分最高的前 20 只股票；
• 持有一个月；
• 下个月最后一个交易日，重新计算所有股票的因子得分；
• 如果某只股票不再进入前 20，就卖出；新进入前 20 的，买入。

三、有效因子

二、

关键点：因子计算（alpha021 公式）一行未动，只改了"因子值 → 买卖决策"的映射；

死区把震荡市里"刚买就卖、刚卖就买"的来回打损砍掉一大半——同样是用 Alpha21，只是信号规则从硬切换改成了滞回，超额从 +3.61% 跃升到 +36.9%（因子计算一行没动）。

三、遇到的坑

（一）新股

从iquant下载的数据，001220.SZ是2026年的新股，在2025年的数据上数据都显示为0。