量化交易基础-ICIR
IC - information coefficient
r=1.5+a1+a2+...+a81 ai={-1,1}随机序列 ()收益序列
E(r)=1.5 期望
cov(r)=81 协方差
std(r)=9 标准差
g=2.0+a1+a2+a3+b1+b2+...b13 bi={-1,1}随机 因子序列
IC=cov(r,g)/std(r)std(g) (3/(9*4)) =0.0833
IC=E(r-mean(r)(g-mean(g))/std(r)std(g) E期望 expect
期望当样本数不够多,异常值影响大 outlier (做IC前先处理异常)
量化中的IC ICIR
IC通常是mean_IC 横截面的IC的均值
IC取值(经验)abs
0.03 可能有用
0.05 好
0.10 很好
0.15 非常好
0.2 可能错误(未来函数)
IR=mean(ic)/std(ic)
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· .NET10 - 预览版1新功能体验(一)