Information Coefficient (IC) et Rank IC pour les signaux quantitatifs

À chaque date t, on compare les valeurs du signal pour les actifs admissibles aux rendements que ces mêmes actifs obtiennent sur un horizon ultérieur défini. Une notation courante est IC_t = corr_i(signal_i,t, forward_return_i,t+1). L’indice i désigne l’actif. La corrélation est calculée entre les actifs d’une même date, puis les IC obtenus forment une série temporelle

Cette statistique évalue une prévision transversale. Elle n’est ni la corrélation de deux séries temporelles regroupées ni le rendement anormal d’une étude d’événement. Sa valeur dépend de l’univers, de la définition du signal, de l’horizon de rendement, de la pondération et de la couverture à chaque date. Précisez si IC désigne la corrélation de Pearson, car l’usage du terme n’est pas parfaitement uniforme

Sous ses hypothèses, la loi originale de Grinold relie le ratio d’information attendu à la qualité des prévisions et à la largeur effective : IR attendu ≈ IC × √B. B représente le nombre effectif de décisions d’investissement indépendantes (Grinold, « The Fundamental Law of Active Management »). Clarke et al. généralisent cette relation avec le coefficient de transfert : IR ≈ IC × TC × √B. TC décrit dans quelle mesure les prévisions deviennent des pondérations sous les contraintes du portefeuille ; ce n’est pas une mesure de performance réalisée (Clarke et al., 2002)

À chaque date de rééquilibrage, figez le signal à partir des seules données réellement disponibles à cet instant. Tenez compte de l’heure de publication, du délai des fournisseurs, des révisions ultérieures et du fuseau de la place boursière. Une valeur étiquetée t n’était peut-être pas encore connue à la clôture de t ; utiliser une version révisée plus tard ou un rendement de la même période peut introduire de l’information future

Associez signal_i,t à un rendement dont la période commence après qu’il a été possible d’agir sur le signal. Précisez l’heure de décision, le premier cours auquel une exécution aurait été possible, le début et la fin de l’horizon, ainsi que l’inclusion des dividendes et autres distributions. Si le signal est calculé après l’enchère de clôture, un rendement qui commence à ce cours de clôture suppose une exécution qui n’était peut-être pas réalisable

Reconstituez aussi l’univers admissible tel qu’il était connu à chaque date passée, y compris les titres radiés si nécessaire. Appliquer rétrospectivement les survivants actuels ou utiliser des composants futurs d’un indice peut embellir un signal faible. L’alignement dans le temps fait partie de la définition du test ; ce n’est pas un nettoyage réalisé après le calcul

Pearson IC est la corrélation ordinaire entre les valeurs transversales du signal et les rendements ultérieurs à une date donnée. Il mesure une coévolution linéaire et conserve les informations d’échelle, mais quelques valeurs extrêmes peuvent le dominer. Une relation monotone non linéaire peut également produire un Pearson modeste

Pour calculer Rank IC, convertissez d’abord les signaux et les rendements futurs en rangs au sein de chaque date, puis calculez la corrélation de Pearson de ces rangs. C’est l’association de rang de Spearman (Spearman, 1904). Elle mesure si les signaux les mieux classés précèdent généralement les rendements les mieux classés, avec moins de sensibilité aux unités d’origine et aux valeurs extrêmes. Définissez le traitement des ex æquo, par exemple l’attribution de rangs moyens

Les deux mesures sont liées, mais ne répondent pas à la même question. Pearson IC peut mieux convenir si l’amplitude du signal sert à dimensionner les positions ; Rank IC se concentre sur l’ordre entre actifs. Aucune ne tient automatiquement compte des contraintes, de la neutralisation sectorielle, des transformations non linéaires ou de la conversion des prévisions en positions

Toutes les valeurs de cet exemple sont hypothétiques. Pour cinq actifs, les rangs du signal sont [1,2,3,4,5] et les rendements de la période suivante [1%,2%,3%,4%,-5%]. Le rang 1 correspond à la valeur la plus faible et le rang 5 à la plus élevée. Dans l’ordre du signal, les rangs des rendements sont [2,3,4,5,1]

Pour le calcul de Pearson, nous supposons que les valeurs brutes du signal sont elles-mêmes [1,2,3,4,5], et pas seulement qu’elles suivent cet ordre. D’autres valeurs brutes conservant le même classement peuvent modifier Pearson IC, tandis que Rank IC reste inchangé si le classement et le traitement des ex æquo restent identiques.

Pour Pearson IC, la moyenne des rangs du signal est 3 et le rendement moyen est 1%. Après centrage, les écarts du signal sont [-2,-1,0,1,2] et ceux des rendements, exprimés en points de pourcentage, [0,1,2,3,-6]. La somme des produits croisés vaut -10 et les sommes des écarts au carré valent 10 et 50. Ainsi, Pearson IC = -10 / sqrt(10 × 50) ≈ -0.447

Pour Rank IC, calculez la corrélation entre les rangs du signal [1,2,3,4,5] et les rangs des rendements [2,3,4,5,1]. La somme des produits croisés des rangs centrés est nulle, donc Spearman Rank IC = 0. La forte perte du cinquième actif tire l’association linéaire vers le bas, tandis que l’ordre des actifs n’est ni uniformément positif ni uniformément négatif. Les deux mesures rendent donc compte d’aspects différents du même échantillon transversal

Calculez un IC_t transversal pour chaque date, puis résumez la série. L’IC moyen est la moyenne arithmétique des IC quotidiens ou de chaque rééquilibrage. La médiane, la dispersion et la part de dates positives aident également à voir si une courte période favorable masque une longue période faible

Ici, nous définissons ICIR comme la moyenne des IC_t aux dates de rééquilibrage valides divisée par l’écart-type d’échantillon de ces mêmes valeurs. Chaque date valide a le même poids et le ratio n’est pas annualisé. Indiquez la fréquence de rééquilibrage et le nombre d’observations valides. Annualiser avec la racine carrée du nombre de périodes par an est une convention supplémentaire ; la dépendance temporelle peut rendre cette échelle trompeuse.

ICIR décrit la régularité de la qualité prédictive, pas le ratio de Sharpe d’un portefeuille. Ye montre que les variations temporelles de la qualité des signaux peuvent modifier le risque et la structure optimale d’un portefeuille (Ye, 2008). Ding et Martin modélisent également des IC variables dans le temps et leur lien avec la performance active (Ding et Martin, 2017)

À chaque date, associez le signal et le rendement ultérieur du même actif. Excluez une observation uniquement selon une règle de disponibilité définie à l’avance ; ne remplacez pas un rendement futur manquant par zéro. Indiquez le nombre d’actifs par date, les changements de couverture, le traitement des cours périmés et des radiations, ainsi que la règle pour les ex æquo. Un univers transversal qui change peut modifier le sens et la précision de l’IC

Lorsque le rendement cible couvre plusieurs jours, les horizons de dates de rééquilibrage voisines peuvent se chevaucher. Plusieurs IC partagent alors des mouvements de cours et deviennent dépendants dans le temps. Les chocs communs et la réutilisation des mêmes actifs créent aussi une dépendance ; une erreur-type qui suppose des dates indépendantes peut sous-estimer l’incertitude

Avec un rééquilibrage hebdomadaire et un rendement cible à 20 séances de bourse, deux fenêtres hebdomadaires consécutives partagent environ 15 séances. Ainsi, 52 IC hebdomadaires ne correspondent pas à 52 expériences indépendantes. Un rééquilibrage toutes les 20 séances supprime le chevauchement des rendements cibles, mais réduit l’échantillon et ne supprime ni la dépendance due aux chocs communs ni celle liée à la réutilisation des mêmes actifs.

Définissez l’horizon et la règle de chevauchement avant d’examiner les résultats. Si le chevauchement est nécessaire, utilisez une inférence adaptée à cette dépendance, par exemple une méthode temporelle ou par blocs appropriée. Pour la validation, une purge peut exclure des périodes cibles qui se recoupent entre l’apprentissage et le test ; consultez le guide sur la validation croisée purgée

Un IC élevé dans l’échantillon peut résulter de paramètres ajustés au bruit historique qui sert ensuite à évaluer le signal. Réservez des périodes futures jamais consultées ou utilisez une évaluation walk-forward : à chaque étape, les transformations et paramètres sont choisis uniquement à partir des données antérieures avant d’évaluer les dates suivantes. Un jeu de test consulté à répétition pour modifier le signal n’est plus indépendant

Recensez les variantes essayées : définitions de signal, retards, horizons, univers, filtres, neutralisations et plages de dates. Plus elles sont nombreuses, plus un IC élevé peut apparaître par hasard. Harvey, Liu et Zhu expliquent pourquoi les seuils de significativité habituels peuvent induire en erreur après une recherche intensive de facteurs (Harvey, Liu et Zhu, 2014)

Exposez le processus de sélection, l’étendue des essais et, si possible, une mesure d’incertitude qui tienne compte de la dépendance temporelle et des tests multiples. Une moyenne d’IC positive dans un backtest constitue un élément de preuve pour cet échantillon et ce protocole ; elle ne confirme pas que le signal persistera sous un autre régime de marché

Un rapport reproductible précise l’univers connu à chaque date, l’horodatage du signal, la convention d’exécution, l’horizon, la mesure de Pearson ou Spearman, le traitement des ex æquo, la taille du transversal, la série des IC, la formule ICIR, la politique pour les données manquantes et le protocole hors échantillon. Ajoutez une mesure d’incertitude adaptée à la dépendance entre dates et actifs, ainsi que le nombre de variantes testées

L’IC mesure une association entre prévision et rendement futur ; il ne fixe pas la taille des positions. La construction du portefeuille transforme les prévisions en pondérations, puis les résultats dépendent des contrôles de risque, des contraintes de neutralité, de la rotation, des coûts de transaction, de la liquidité, de la capacité, de l’emprunt de titres et de l’exécution. Un Rank IC utile peut ne pas être rentable après coûts ; un IC moyen faible ne suffit pas non plus à décrire toute construction possible

Distinguez cette évaluation d’un CAR autour d’un événement unique. Une étude d’événement mesure les rendements anormaux autour d’une annonce définie ; l’IC évalue de façon répétée si des prévisions transversales classent les rendements futurs. Le guide du CAR en étude d’événement traite cette autre mesure. L’IC ne prouve pas non plus une causalité ; consultez le guide sur corrélation et causalité