क्वांट संकेतों के लिए सूचना गुणांक (IC) और Rank IC

हर तारीख t पर विश्लेषक योग्य परिसंपत्तियों के संकेत-मूल्यों की तुलना उन्हीं परिसंपत्तियों के बाद की, पहले से तय अवधि के प्रतिफल से करता है। एक आम परिभाषा है IC_t = corr_i(signal_i,t, forward_return_i,t+1)। यहाँ i परिसंपत्ति है; सहसंबंध एक तारीख पर परिसंपत्तियों के बीच निकाला जाता है, और अलग-अलग तारीखों के IC मिलकर समय-श्रृंखला बनाते हैं

यह अनुप्रस्थ संकेत के पूर्वानुमान का मूल्यांकन है, दो समेकित समय-श्रृंखलाओं का सहसंबंध नहीं और किसी एक घोषणा के आसपास का abnormal return भी नहीं। नतीजा परिसंपत्ति-समूह, संकेत की परिभाषा, प्रतिफल-अवधि, भार और हर तारीख के डेटा-कवरेज पर निर्भर है। स्पष्ट करें कि आपके अध्ययन में IC का अर्थ Pearson सहसंबंध है या कोई और परिभाषा, क्योंकि यह शब्द हर जगह एक ही तरह इस्तेमाल नहीं होता

Grinold के मूल, सरलीकृत Fundamental Law में अपेक्षित information ratio का अनुमान expected IR ≈ IC × √B है; यहाँ B स्वतंत्र निवेश-निर्णयों की प्रभावी breadth है, केवल परिसंपत्तियों की संख्या × तारीखों की संख्या नहीं (Grinold, “The Fundamental Law of Active Management”)। Clarke, de Silva और Thorley ने portfolio constraints को शामिल करते हुए इसे IR ≈ IC × TC × √B के रूप में सामान्यीकृत किया। TC (transfer coefficient) बताता है कि portfolio constraints के तहत forecast कितनी मात्रा में वास्तविक portfolio weights में बदल पाता है (Clarke et al., “Portfolio Constraints and the Fundamental Law of Active Management”)। ये मॉडल की मान्यताओं पर आधारित अनुमान हैं, प्रदर्शन की गारंटी नहीं। यह सहसंबंध और कारणता तथा किसी एक घोषणा पर event-study CAR से अलग प्रश्न है

हर पुनर्संतुलन समय पर संकेत को केवल उस समय-मुद्रा तक वास्तव में उपलब्ध जानकारी से तय करें। प्रकाशन का समय, डेटा-विक्रेता की देरी, बाद में किए गए संशोधन और एक्सचेंज का समय-क्षेत्र देखें। t तारीख के नाम वाला कोई मान उसी दिन के बंद होने तक उपलब्ध न रहा हो; बाद का संशोधित मान या उसी अवधि का प्रतिफल लेने से भविष्य की जानकारी रिस सकती है

signal_i,t को ऐसे प्रतिफल से जोड़ें जो संकेत देखकर निर्णय लेने के बाद शुरू हो। निर्णय का समय, पहला निष्पादन योग्य भाव, प्रतिफल की शुरुआत और समाप्ति, तथा लाभांश या अन्य वितरण शामिल हैं या नहीं, बताएं। यदि संकेत बंद होने की नीलामी का भाव देखने के बाद ही बनता है, तो उसी बंद भाव से प्रतिफल शुरू करना साफ निष्पादन-मान्यता के बिना वास्तविक रूप से संभव नहीं

हर तारीख पर उसी समय ज्ञात योग्य परिसंपत्तियों का समूह फिर बनाएँ और जरूरत के अनुसार डीलिस्ट हुई परिसंपत्तियाँ भी रखें। केवल आज तक बची कंपनियों को पुराने नमूने पर लागू करना या बाद में तय हुई सूचकांक-सदस्यता का उपयोग करना कमजोर संकेत को मजबूत दिखा सकता है। समय-बिंदु का सही संरेखण IC की परिभाषा है, गणना के बाद की सफाई नहीं

Pearson IC हर तारीख के अनुप्रस्थ समूह में संकेत-मूल्यों और आगे के प्रतिफलों का सामान्य सहसंबंध निकालता है। यह रैखिक सह-गति मापता और संकेत के परिमाण की सूचना रखता है, लेकिन कुछ अत्यधिक मान वाली परिसंपत्तियाँ इसे बहुत प्रभावित कर सकती हैं। संबंध एक ही दिशा में चलता हो फिर भी गैर-रैखिक हो तो Pearson का मान छोटा रह सकता है

Rank IC पहले उसी तारीख के भीतर संकेत और भविष्य के प्रतिफल को रैंक में बदलता है, फिर उन रैंकों का Pearson सहसंबंध निकालता है। यही Spearman का rank association है (Spearman, 1904)। यह मूल माप-इकाइयों और अत्यधिक मानों के असर को कम करके जाँचता है कि ऊँचे संकेत के बाद ऊँचे प्रतिफल का क्रम आता है या नहीं। बराबर मान हों तो औसत रैंक देने जैसे tie नियम पहले तय करें

दोनों माप संबंधित हैं, पर अलग सवालों के जवाब देते हैं। संकेत का परिमाण position size तय करने में काम आए तो Pearson IC अधिक उपयोगी हो सकता है; परिसंपत्तियों के आपसी क्रम में रुचि हो तो Rank IC अधिक सीधा है। इनमें से कोई भी अपने आप पोर्टफोलियो की पाबंदियाँ, गैर-रैखिक रूपांतरण, क्षेत्र-तटस्थीकरण या संकेत को पोज़िशन में बदलने का तरीका नहीं गिनता

यहाँ सभी इनपुट काल्पनिक हैं; यह सिर्फ एक cross-section का उदाहरण है, नमूने के बाहर का प्रमाण नहीं। पाँच परिसंपत्तियों के raw signal values [1,2,3,4,5] हैं, इसलिए signal ranks भी [1,2,3,4,5] हैं। अगली अवधि के returns [1%,2%,3%,4%,-5%] हैं और return ranks [2,3,4,5,1] मिलते हैं। इस उदाहरण में कोई बराबर रैंक नहीं है

Pearson IC के लिए raw signal values का औसत 3 और return का औसत 1% है। signal values के औसत से विचलन [-2,-1,0,1,2] और percentage-point में return के विचलन [0,1,2,3,-6] हैं। विचलनों के गुणनफल का योग -10 है; signal और return के वर्गित विचलनों के योग क्रमशः 10 और 50 हैं। इसलिए Pearson IC = -10/sqrt(500) ≈ -0.4472136

Rank IC निकालने के लिए signal ranks [1,2,3,4,5] और return ranks [2,3,4,5,1] का सहसंबंध लें। rank विचलनों के गुणनफल का योग शून्य है, इसलिए Spearman Rank IC = 0। इस काल्पनिक समूह में पाँचवीं परिसंपत्ति का बड़ा नुकसान linear संबंध को ऋणात्मक बनाता है। क्रम समान रखते हुए signal values के बीच के अंतर को non-linear ढंग से बदलने पर Pearson IC बदल सकता है, लेकिन ranks वही रहने से Rank IC नहीं बदलेगा

हर निर्धारित साप्ताहिक rebalance तारीख पर, जहाँ संकेत और आगे के प्रतिफल वैध हों, एक cross-sectional IC_t निकालें। फिर सभी वैध साप्ताहिक rebalance तारीखों को समान भार देकर समय-श्रृंखला का सार दें। साधारण औसत के साथ median, फैलाव, IC सकारात्मक रहने वाली तारीखों का अनुपात और समयानुसार चित्र भी उपयोगी हो सकता है। एक औसत लंबी कमजोर अवधि या कुछ छोटी मजबूत अवधियों को छिपा सकता है

यहाँ तय convention unannualized weekly ICIR है: ICIR_weekly = mean(IC_t) / s(IC_t), जहाँ mean सभी वैध साप्ताहिक rebalance तारीखों का समान-भार वाला औसत है और s, N−1 denominator वाली sample standard deviation है। इसे √52 से गुणा नहीं किया जाता। वैध तारीखों का नियम पहले तय करें और परिणाम देखकर cadence या weights न बदलें

ICIR तारीखों के पार IC की निरंतरता बताता है; यह पोर्टफोलियो Sharpe ratio या information ratio नहीं है। संकेत की गुणवत्ता समय के साथ बदल सकती है, जिसे औसत अकेले नहीं दिखाता। Ye संकेत-गुणवत्ता में बदलाव के प्रदर्शन पर असर का अध्ययन करते हैं (Ye, 2008); Ding और Martin का संशोधित मूल नियम भी बदलते समय के IC को मॉडल का स्पष्ट हिस्सा मानता है (Ding and Martin, 2017)

हर तारीख पर पहले से तय उपलब्धता-नियम के अनुसार उसी परिसंपत्ति के signal और forward return को मिलाएँ। अनुपलब्ध भविष्य के प्रतिफल को शून्य न भरें। तारीखवार परिसंपत्तियों की संख्या, कवरेज में बदलाव, पुराने भाव, डीलिस्टिंग और बराबर रैंक का नियम बताएं; अनुप्रस्थ समूह बदलने से IC का अर्थ और सटीकता बदल सकते हैं

यदि आगे का प्रतिफल कई दिनों की अवधि का है तो पास-पास की तारीखों के लक्ष्य-अंतराल एक-दूसरे पर चढ़ सकते हैं। तब उसी परिसंपत्ति के कई IC अवलोकनों में समान भाव-परिवर्तन साझा होते हैं और समय-निर्भरता पैदा होती है। परिसंपत्ति का बार-बार आना और एक तारीख के साझा बाजार-झटके भी निर्भरता बनाते हैं; स्वतंत्र तारीखें मानकर निकाली गई साधारण standard error सटीकता बढ़ा-चढ़ाकर दिखा सकती है

साप्ताहिक rebalance और 20 trading session के forward return में, लगातार साप्ताहिक खिड़कियों के लगभग 15 session साझा होते हैं। इसलिए 52 weekly IC, 52 स्वतंत्र प्रयोग नहीं हैं। हर 20 session पर rebalance करने से target overlap हटता है, लेकिन sample size घटता है और साझा बाजार-झटकों या बार-बार आए परिसंपत्तियों से निर्भरता बनी रहती है

परिणाम देखने से पहले horizon और overlap नीति तय करें। overlap जरूरी हो तो block या उपयुक्त time-series प्रक्रिया जैसे निर्भरता-सचेत अनुमान अपनाएँ और हर asset-date जोड़ी को स्वतंत्र प्रमाण न मानें। प्रशिक्षण और validation अवधि के बीच चढ़ते labels हटाने से सूचना रिसाव घट सकता है; समय-श्रृंखला purged cross-validation मार्गदर्शिका देखें

नमूने के भीतर ऊँचा IC उसी ऐतिहासिक शोर के अनुरूप संकेत को बार-बार ढालने का नतीजा हो सकता है। सचमुच अछूती अवधि रखें या walk-forward जाँच करें: हर कदम पर रूपांतरण और मानदंड केवल पहले के डेटा से तय करें, फिर आगे की तारीखों पर जाँचें। holdout को बार-बार देखकर संकेत बदलते रहें तो वह अब नमूने के बाहर की स्वतंत्र जाँच नहीं है

जाँचें कि कितने शोध-विकल्प आजमाए: signal definition, lag, अनुमान-अवधि, asset universe, filters, neutralization और date range। बहुत से उम्मीदवार जाँचने पर किसी एक का IC संयोग से ऊँचा निकलने की संभावना बढ़ती है। Harvey, Liu और Zhu बताते हैं कि व्यापक factor mining और multiple testing के बाद सामान्य significance cutoffs भ्रामक हो सकते हैं (Harvey, Liu, and Zhu, 2014)

चयन प्रक्रिया, आजमाए गए विकल्पों की संख्या या सीमा, और समय-निर्भरता तथा खोज को ध्यान में रखी अनिश्चितता जहाँ संभव हो रिपोर्ट करें। एक backtest में सकारात्मक औसत IC उसी नमूने और डिजाइन का परिणाम है; यह नए market regime में संकेत बने रहने का प्रमाण नहीं

तत्कालीन eligible universe, संकेत का timestamp, execution नियम, return horizon, Pearson या Spearman चयन, tie convention, तारीखवार परिसंपत्ति संख्या, IC series, ICIR formula, missing-data नीति और out-of-sample प्रक्रिया दर्ज करें। परिसंपत्तियों व तारीखों की निर्भरता मानने वाले uncertainty estimate और आजमाए गए signal variants की संख्या भी दें

IC पूर्वानुमान और बाद के प्रतिफल का संबंध मापता है, लेकिन पोज़िशन का आकार नहीं तय करता। संकेत को पोर्टफोलियो-भार में बदलने पर जोखिम-नियंत्रण, neutrality constraints, turnover, transaction costs, liquidity, capacity, उधार लेकर short करने की लागत और execution असर डालते हैं। उपयोगी Rank IC भी लागत के बाद घाटे में बदल सकता है; कम औसत IC का नतीजा breadth और portfolio design पर निर्भर करता है

यह एक घोषणा के आसपास CAR से अलग माप है: event study तय घोषणा के आसपास abnormal returns देखता है, जबकि IC बार-बार बने अनुप्रस्थ पूर्वानुमानों की बाद के प्रतिफलों को क्रम देने की क्षमता मापता है। IC पूर्वानुमान-संबंध है, कारणात्मक तंत्र का प्रमाण नहीं