Information Coefficient (IC) dan Rank IC untuk Sinyal Kuantitatif

Pada setiap tanggal t, analis membandingkan nilai sinyal di antara aset yang memenuhi syarat dengan return yang diperoleh aset-aset yang sama selama horizon berikutnya yang telah ditentukan. Salah satu notasi umum adalah IC_t = corr_i(signal_i,t, forward_return_i,t+1). Indeks i menunjukkan aset; korelasi dihitung antar-aset pada satu tanggal, lalu nilai IC dari berbagai tanggal membentuk deret waktu

Ini adalah ukuran evaluasi prediksi lintas aset, bukan korelasi dua deret waktu yang digabung dan bukan abnormal return di sekitar satu peristiwa. Nilainya bergantung pada semesta aset, definisi sinyal, horizon return, pembobotan, dan cakupan data setiap tanggal. Nyatakan apakah IC dalam penelitian Anda berarti korelasi Pearson, karena istilah ini tidak digunakan secara seragam

Dalam bentuk awal yang disederhanakan, Fundamental Law dari Grinold memperkirakan information ratio yang diharapkan sebagai expected IR ≈ IC × √B; B adalah breadth efektif dari keputusan investasi yang independen, bukan sekadar jumlah aset dikali jumlah tanggal (Grinold, “The Fundamental Law of Active Management”). Clarke, de Silva, dan Thorley menggeneralisasikannya menjadi IR ≈ IC × TC × √B. TC (transfer coefficient) mengukur sejauh mana forecast diterjemahkan menjadi bobot portofolio aktual di bawah kendala portofolio (Clarke et al., “Portfolio Constraints and the Fundamental Law of Active Management”). Hubungan ini merupakan pendekatan dengan asumsi model, bukan jaminan kinerja. Ini berbeda dari panduan korelasi versus kausalitas dan CAR studi peristiwa di sekitar satu pengumuman

Pada setiap batas waktu penyeimbangan ulang, tetapkan sinyal hanya dengan informasi yang benar-benar tersedia sampai cap waktu tersebut. Perhatikan waktu publikasi, keterlambatan pemasok data, revisi, dan zona waktu bursa. Nilai bertanggal t mungkin belum tersedia pada penutupan pasar tanggal t; memakai revisi yang muncul kemudian atau return dari periode yang sama dapat membocorkan informasi masa depan

Pasangkan signal_i,t dengan return yang baru dimulai setelah sinyal dapat digunakan untuk mengambil keputusan. Sebutkan waktu keputusan, harga pertama yang dapat dieksekusi, awal dan akhir return, serta apakah dividen atau distribusi lain disertakan. Jika sinyal baru terbentuk setelah harga lelang penutupan diketahui, memakai harga penutupan yang sama sebagai awal return memerlukan asumsi eksekusi yang dijelaskan secara eksplisit

Rekonstruksi semesta aset yang memenuhi syarat sebagaimana diketahui pada setiap tanggal, termasuk aset yang kemudian delisting bila sesuai. Menggunakan hanya saham yang masih bertahan saat ini untuk tanggal lampau atau keanggotaan indeks yang baru diketahui kemudian dapat membuat sinyal lemah terlihat kuat. Penyelarasan berdasarkan waktu ketersediaan adalah bagian dari definisi IC, bukan langkah pembersihan setelah perhitungan

Pearson IC menghitung korelasi biasa antara nilai sinyal dan return berikutnya di dalam kelompok aset pada setiap tanggal. Ukuran ini menangkap gerak bersama linear dan mempertahankan informasi tentang besaran sinyal, tetapi beberapa aset ekstrem dapat sangat memengaruhinya. Hubungan monoton yang non-linear pun dapat menghasilkan Pearson yang tidak terlalu tinggi

Rank IC terlebih dahulu mengubah sinyal dan return berikutnya menjadi peringkat di dalam tanggal yang sama, lalu menghitung korelasi Pearson antara kedua peringkat. Inilah asosiasi peringkat Spearman (Spearman, 1904). Ukuran ini menilai apakah sinyal yang lebih tinggi cenderung diikuti peringkat return yang lebih tinggi, dengan ketergantungan yang lebih kecil pada skala dan nilai ekstrem. Jika ada nilai sama, tetapkan aturan ikatan, misalnya memberi peringkat rata-rata

Kedua ukuran berkaitan tetapi menjawab pertanyaan berbeda. Pearson mungkin lebih relevan bila besaran sinyal digunakan untuk menentukan ukuran posisi, sedangkan Rank IC berfokus pada urutan relatif aset. Keduanya tidak otomatis memperhitungkan batas portofolio, transformasi non-linear, netralisasi sektor, atau cara mengubah prakiraan menjadi posisi

Semua masukan di contoh ini hipotetis, hanya mewakili satu cross-section dan bukan bukti luar sampel. Raw signal values untuk lima aset adalah [1,2,3,4,5], sehingga signal ranks-nya juga [1,2,3,4,5]. Return periode berikutnya adalah [1%,2%,3%,4%,-5%] dan return ranks adalah [2,3,4,5,1]. Tidak ada peringkat yang sama dalam contoh ini

Untuk Pearson IC, rata-rata raw signal values adalah 3 dan rata-rata return 1%. Deviasi signal values dari rata-rata ialah [-2,-1,0,1,2], sedangkan deviasi return dalam poin persentase ialah [0,1,2,3,-6]. Jumlah hasil kali deviasi adalah -10; jumlah kuadrat deviasi sinyal 10 dan deviasi return 50. Maka Pearson IC = -10/sqrt(500) ≈ -0.4472136

Untuk Rank IC, hitung korelasi signal ranks [1,2,3,4,5] dengan return ranks [2,3,4,5,1]. Jumlah hasil kali deviasi peringkat sama dengan nol, sehingga Spearman Rank IC = 0. Dalam cross-section hipotetis ini, kerugian besar aset kelima membuat hubungan linear bernilai negatif. Jika jarak antarnilai sinyal diubah secara non-linear tanpa mengubah urutan, Pearson IC dapat berubah, tetapi Rank IC tetap karena peringkatnya sama

Hitung satu IC_t cross-sectional pada setiap tanggal rebalancing mingguan terjadwal yang memiliki signal dan return berikutnya valid, lalu rangkum deret waktu berdasarkan tanggal mingguan valid dengan bobot sama. Sajikan mean aritmetis; median, sebaran, proporsi tanggal dengan IC positif, dan grafik waktu juga dapat membantu. Satu rata-rata dapat menyembunyikan periode panjang yang lemah atau beberapa tanggal singkat yang menyumbang hampir seluruh hasil

Konvensi di sini adalah ICIR mingguan yang tidak dianualisasi: ICIR_weekly = mean(IC_t) / s(IC_t), dengan mean berbobot sama atas tanggal rebalancing mingguan yang valid dan s sebagai simpangan baku sampel dengan penyebut N−1. Nilai ini tidak dikalikan √52. Tetapkan aturan tanggal valid sebelumnya dan jangan mengubah cadence atau bobot setelah melihat hasil

ICIR menggambarkan konsistensi IC antar-tanggal, bukan rasio Sharpe atau information ratio portofolio. Kualitas sinyal dapat berubah dari waktu ke waktu sehingga rata-rata saja tidak mencerminkan perubahannya. Ye meneliti dampak variasi kualitas sinyal terhadap kinerja (Ye, 2008), sementara Fundamental Law versi Ding dan Martin juga memodelkan IC yang berubah sepanjang waktu (Ding and Martin, 2017)

Pada setiap tanggal, pasangkan sinyal dan forward return untuk aset yang sama sesuai aturan ketersediaan yang ditetapkan sebelumnya. Jangan isi return mendatang yang tidak tersedia dengan nol. Laporkan jumlah aset per tanggal, perubahan cakupan, harga usang, delisting, dan cara menangani peringkat yang sama; komposisi cross-section yang berubah dapat mengubah arti dan ketepatan IC

Jika forward return mencakup beberapa hari, interval target pada tanggal berdekatan dapat tumpang tindih. Akibatnya, beberapa observasi IC untuk aset yang sama menggunakan pergerakan harga bersama dan menjadi bergantung secara serial. Aset yang berulang dan guncangan pasar pada tanggal yang sama juga menciptakan ketergantungan; standard error sederhana yang menganggap setiap tanggal independen dapat melebih-lebihkan presisi

Dengan rebalancing mingguan dan forward return 20 sesi perdagangan, jendela mingguan yang berurutan berbagi sekitar 15 sesi. Jadi, 52 IC mingguan bukanlah 52 eksperimen independen. Rebalancing setiap 20 sesi menghilangkan overlap target, tetapi mengurangi ukuran sampel dan tidak menghapus ketergantungan akibat guncangan bersama atau aset yang berulang

Tentukan horizon dan kebijakan overlap sebelum melihat hasil. Jika overlap perlu dipertahankan, gunakan inferensi yang memperhitungkan dependensi, seperti prosedur deret waktu atau block resampling yang sesuai, dan jangan perlakukan setiap pasangan aset-tanggal sebagai bukti independen. Menghapus label yang bertumpang tindih di antara periode pelatihan dan validasi dapat mengurangi kebocoran; lihat panduan purged cross-validation untuk deret waktu

IC in-sample yang tinggi dapat muncul karena sinyal disetel mengikuti noise pada riwayat yang sama. Sisihkan periode yang benar-benar belum dipakai atau gunakan evaluasi walk-forward: pada tiap langkah, tetapkan transformasi dan parameter dari data sebelumnya saja, lalu uji pada tanggal sesudahnya. Jika holdout berulang kali diperiksa lalu sinyal disesuaikan, pengujian itu tidak lagi benar-benar di luar sampel

Hitung pilihan riset yang telah dicoba: definisi sinyal, lag, horizon prediksi, semesta aset, filter, netralisasi, dan rentang tanggal. Semakin banyak kandidat diuji, semakin besar peluang ada yang menampilkan IC tinggi secara kebetulan. Harvey, Liu, dan Zhu menjelaskan mengapa ambang signifikansi biasa dapat menyesatkan setelah penambangan faktor dan multiple testing yang luas (Harvey, Liu, and Zhu, 2014)

Laporkan proses seleksi, jumlah atau cakupan percobaan, serta ketidakpastian yang mempertimbangkan dependensi serial dan proses pencarian bila memungkinkan. Rata-rata IC positif dalam satu backtest adalah bukti tentang sampel dan rancangan tersebut, bukan konfirmasi bahwa sinyal akan bertahan dalam rezim pasar baru

Laporkan semesta yang tersedia saat itu, cap waktu sinyal, aturan eksekusi, horizon return, pilihan Pearson atau Spearman, aturan peringkat seri, ukuran cross-section tiap tanggal, deret IC, rumus ICIR, kebijakan data hilang, dan protokol uji luar sampel. Sertakan estimasi ketidakpastian yang mencerminkan ketergantungan antar-aset dan tanggal, serta berapa banyak variasi sinyal dicoba

IC mengukur hubungan prakiraan dengan return setelahnya, tetapi tidak menentukan ukuran posisi. Pemetaan prakiraan menjadi bobot portofolio bergantung pada kontrol risiko, batas netralitas, turnover, biaya transaksi, likuiditas, kapasitas, biaya pinjam untuk short, dan eksekusi. Rank IC yang tampak berguna masih dapat merugi setelah biaya; IC rata-rata rendah pun tidak langsung menentukan hasil setelah breadth dan rancangan portofolio diperhitungkan

Ukuran ini berbeda dari CAR di sekitar satu pengumuman: studi peristiwa mengukur abnormal return pada jendela peristiwa yang ditentukan, sedangkan IC menilai apakah prakiraan cross-sectional yang berulang mengurutkan return mendatang. IC menunjukkan asosiasi prediktif, bukan bukti mekanisme kausal