Information Coefficient (IC) y Rank IC para señales cuantitativas

Para cada fecha t, se comparan los valores de la señal de los activos elegibles con los rendimientos que esos mismos activos obtienen en un horizonte posterior definido. Una convención común es IC_t = corr_i(signal_i,t, forward_return_i,t+1). El subíndice i representa el activo. La correlación se calcula entre activos de una misma fecha y los IC resultantes forman después una serie temporal

Esta estadística evalúa un pronóstico transversal. No es la correlación de dos series temporales agrupadas ni el rendimiento anormal de un estudio de eventos. El resultado depende del universo, la definición de la señal, el horizonte, la ponderación y la cobertura de datos en cada fecha. Indique si usa IC para referirse a Pearson, porque el término no tiene un uso completamente uniforme

La ley original de Grinold relaciona, bajo sus supuestos, el IR esperado con la calidad del pronóstico y la amplitud efectiva: IR esperado ≈ IC × √B. B representa el número efectivo de decisiones de inversión independientes (Grinold, «The Fundamental Law of Active Management»). Clarke et al. amplían la relación con el coeficiente de transferencia: IR ≈ IC × TC × √B. TC describe cuánto se trasladan las previsiones a las ponderaciones bajo restricciones de cartera; no es una medida del rendimiento realizado (Clarke et al., 2002)

Fije la señal de cada fecha de rebalanceo usando únicamente los datos que realmente estaban disponibles hasta ese instante. Considere la hora de publicación, los retrasos del proveedor, las revisiones posteriores y la zona horaria de la bolsa. Un dato etiquetado como fecha t quizá aún no se conociera al cierre de t; usar una versión revisada después o un rendimiento del mismo periodo puede introducir información futura

Empareje signal_i,t con un rendimiento cuyo periodo comience después de que hubiera sido posible actuar sobre la señal. Especifique la hora de decisión, el primer precio ejecutable, el inicio y el final del horizonte, y si incluye dividendos u otras distribuciones. Si la señal se calcula después de la subasta de cierre, empezar a medir el rendimiento en ese mismo cierre supone una ejecución que quizá no fuera posible

Reconstruya también el universo elegible tal como se conocía en cada fecha histórica, incluidos los activos excluidos de bolsa cuando corresponda. Aplicar los sobrevivientes actuales al pasado o usar componentes futuros de un índice puede hacer que una señal débil parezca mejor. La alineación temporal forma parte de la definición de la prueba; no es una corrección posterior

Pearson IC es la correlación ordinaria entre los valores transversales de la señal y los rendimientos posteriores en cada fecha. Mide el movimiento lineal conjunto y conserva la magnitud original, pero unos pocos valores extremos pueden dominarlo. Incluso una relación monótona no lineal puede producir un Pearson modesto

Para calcular Rank IC, convierta primero señales y rendimientos futuros en rangos dentro de cada fecha y luego calcule la correlación de Pearson entre esos rangos. Es la asociación de rangos de Spearman (Spearman, 1904). Evalúa si las señales de mayor rango tienden a preceder rendimientos de mayor rango, con menos dependencia de las unidades originales y de los valores extremos. Defina cómo tratar empates, por ejemplo asignando rangos promedio

Las medidas son relacionadas, pero responden preguntas distintas. Pearson IC puede ser más útil si la magnitud de la señal ayuda a determinar el tamaño de las posiciones; Rank IC se centra en el orden entre activos. Ninguna incorpora automáticamente restricciones, neutralización sectorial, transformaciones no lineales o la conversión de pronósticos en posiciones

Todos los valores de este ejemplo son hipotéticos. Para cinco activos, los rangos de la señal son [1,2,3,4,5] y los rendimientos del periodo siguiente son [1%,2%,3%,4%,-5%]. El rango 1 es el más bajo y el 5 el más alto. Ordenados por señal, los rangos de los rendimientos son [2,3,4,5,1]

Para calcular Pearson, suponemos que los valores brutos de la señal son [1,2,3,4,5], no solo que tengan ese orden. Otros valores brutos con el mismo orden pueden cambiar Pearson IC, mientras que Rank IC permanece igual si se conservan los rangos y el tratamiento de empates.

Para Pearson IC, el promedio de los rangos de señal es 3 y el promedio de los rendimientos es 1%. Al restar esos promedios, las desviaciones de la señal son [-2,-1,0,1,2] y las de los rendimientos, expresadas en puntos porcentuales, son [0,1,2,3,-6]. La suma de productos cruzados es -10 y las sumas de desviaciones al cuadrado son 10 y 50. Por tanto, Pearson IC = -10 / sqrt(10 × 50) ≈ -0.447

Para Rank IC, correlacione los rangos de señal [1,2,3,4,5] con los rangos de rendimiento [2,3,4,5,1]. La suma de los productos cruzados de los rangos centrados es cero, así que Spearman Rank IC = 0. La gran pérdida del quinto activo inclina la asociación lineal hacia abajo, mientras que el orden de los cinco activos no muestra una relación positiva ni negativa consistente. Por eso ambas medidas pueden contar historias diferentes del mismo corte transversal

Calcule un IC_t transversal para cada fecha y luego resuma esa serie. El IC medio es la media aritmética de los IC diarios o de cada rebalanceo. También puede informar la mediana, la dispersión y la fracción de fechas positivas para que un breve periodo favorable no oculte una señal débil durante más tiempo

Aquí definimos ICIR como la media de los IC_t en fechas de rebalanceo válidas dividida por la desviación estándar muestral de esos mismos valores. Cada fecha válida tiene el mismo peso y la cifra no está anualizada. Indique la frecuencia de rebalanceo y el número de observaciones válidas. Anualizar con la raíz cuadrada de los periodos por año es una convención adicional; la dependencia temporal puede volver engañosa esa escala.

ICIR describe la consistencia de la calidad predictiva, no el Sharpe de una cartera. Ye muestra que la variación temporal de la calidad de las señales puede afectar el riesgo y la estructura óptima de una cartera (Ye, 2008). Ding y Martin también modelan IC que cambia con el tiempo y su relación con el rendimiento activo (Ding y Martin, 2017)

En cada fecha, empareje la señal con el rendimiento futuro del mismo activo. Excluya datos solo conforme a una regla de disponibilidad definida de antemano; no sustituya un rendimiento futuro faltante por cero. Informe cuántos activos hay por fecha, cómo cambia la cobertura, cómo trata precios obsoletos y exclusiones de bolsa, y qué hace con los empates. Si cambia la composición transversal, también pueden cambiar el significado y la precisión del IC

Cuando el rendimiento objetivo abarca varios días, los periodos de fechas de rebalanceo cercanas pueden solaparse. Varios IC comparten entonces movimientos de precio y no son independientes en el tiempo. También hay dependencia entre activos por choques comunes y por la repetición de los mismos valores. Por eso, un error estándar que suponga fechas independientes puede subestimar la incertidumbre

Con un rebalanceo semanal y un rendimiento objetivo a 20 sesiones bursátiles, las ventanas semanales consecutivas comparten unas 15 sesiones. Por tanto, 52 IC semanales no equivalen a 52 experimentos independientes. Rebalancear cada 20 sesiones elimina el solapamiento del objetivo, pero reduce la muestra y no elimina la dependencia por choques comunes ni por reutilizar los mismos activos.

Defina el horizonte y la política de solapamiento antes de evaluar. Si los solapamientos son necesarios, use una inferencia que refleje esa dependencia, como un procedimiento de series temporales o bloques adecuado. En la validación, una purga puede retirar etiquetas con horizontes comunes entre entrenamiento y prueba; consulte la guía de validación cruzada purgada

Un IC alto dentro de la muestra puede surgir al ajustar la definición o los parámetros de la señal al mismo ruido histórico que después se usa para evaluarla. Reserve periodos futuros que no se hayan examinado o use evaluación walk-forward: en cada paso, ajuste transformaciones y parámetros solo con datos anteriores antes de evaluar fechas posteriores. Si inspecciona repetidamente un periodo de prueba y modifica la señal, deja de ser una prueba independiente

Cuente las alternativas probadas: definiciones de señales, rezagos, horizontes, universos, filtros, neutralizaciones y periodos. Cuantas más variantes se prueban, más probable es encontrar un IC alto por azar. Harvey, Liu y Zhu explican por qué los umbrales convencionales de significación pueden resultar engañosos tras una extensa búsqueda de factores (Harvey, Liu y Zhu, 2014)

Informe el proceso de selección, el alcance de la búsqueda y, cuando sea posible, una incertidumbre que considere la dependencia temporal y las pruebas múltiples. Una media positiva de IC en un backtest aporta evidencia sobre esa muestra y ese diseño; no confirma que la señal perdure en otro régimen de mercado

Un informe reproducible especifica el universo conocido en cada fecha, el momento de la señal, la convención de ejecución, el horizonte, si usa Pearson o Spearman, el tratamiento de empates, el tamaño del corte transversal, la serie de IC, la fórmula de ICIR, la política de datos faltantes y la prueba fuera de muestra. Añada estimaciones de incertidumbre que tengan en cuenta la dependencia entre fechas y activos y revele cuántas variantes probó

El IC mide la asociación entre un pronóstico y los rendimientos posteriores; no determina el tamaño de las posiciones. La construcción de la cartera convierte pronósticos en ponderaciones, y el resultado depende del riesgo, las restricciones de neutralidad, la rotación, los costos, la liquidez, la capacidad, el préstamo de valores y la ejecución. Un Rank IC útil puede no ser rentable después de costos; un IC medio bajo tampoco determina por sí solo el resultado de toda construcción posible

Distinga este análisis de un CAR de un evento único. Un estudio de eventos mide rendimientos anormales alrededor de un anuncio definido; el IC evalúa repetidamente si pronósticos transversales ordenan rendimientos futuros. La guía de CAR para estudios de eventos explica esa otra medida. El IC tampoco demuestra causalidad; consulte la guía sobre correlación y causalidad