情報係数（IC）とRank ICでクオンツ信号を評価する

各日 t について、投資対象となる資産の信号値を、同じ資産がその後の所定期間に得たリターンと比べます。よくある定義は ICₜ = corrᵢ(signalᵢ,ₜ, forward_returnᵢ,ₜ₊₁) です。相関はある一日の資産間で計算し、その日別ICを並べて時系列を作ります。

これは横断面の予測を評価する統計量であり、二つの時系列をまとめて計算した相関でも、イベントスタディの異常リターンでもありません。値は対象資産、信号の定義、リターン期間、重み付け、日ごとのデータ範囲で変わります。通常はPearson相関を指しますが、研究によって用語が異なることがあるため、定義を明記します。

Grinoldのアクティブ運用の基本法則は、モデル上の仮定の下でIC、予測機会の広さ、予測を実際のポジションへ移す度合いの関係を整理しています（Grinold, “The Fundamental Law of Active Management”）。これは運用能力を考える枠組みであり、測定したICが自動的に投資成績になるという保証ではありません。

Grinoldが示した基本法則の簡略形では、期待IR ≈ IC × √B と表せます。ここで B は独立した意思決定の有効な広さです。この近似はモデルの仮定に基づきます。

信号やリターンを業種・市場要因で調整するか、各資産を等ウェイトで扱うかによってもICは変わります。生の将来リターンを使うのか、リスク調整後の残差リターンを使うのか、また中立化や標準化の前後どちらを測るのかを記録し、異なる定義の値をそのまま比べないようにします。

各リバランス時点で、その時刻までに実際に利用できた情報だけから信号を確定します。発表時刻、データ提供元の反映遅れ、過去値の改訂、取引所のタイムゾーンを確認します。日付が t と付いたデータでも、t 日の取引終了時点に公表済みとは限りません。後日改訂値や同じ期間のリターンと組み合わせると、先読みが混ざることがあります。

信号ᵢ,ₜは、その信号を見て注文できた後に始まるリターンと対応させます。判断時刻、最初に約定可能な価格、リターンの開始と終了、配当などの分配を含むかを明記します。終値オークションを見てから信号を作るのに同じ終値から収益を測れば、明示的な執行仮定がない限り実行できない結果になります。

各日に当時投資可能だった資産群を再現し、必要に応じて上場廃止銘柄も含めます。現在残っている銘柄だけを過去に適用したり、将来決まった指数構成を使ったりすると、弱い信号が強く見えることがあります。時点をそろえる作業は後処理ではなく、ICの定義の一部です。

正規化、外れ値の上限、欠損フィルターなどを全期間から推定すると、未来の分布が過去の信号へ漏れる可能性があります。学習期間ごとに過去のデータだけで設定を求めるか、その日に利用可能な横断面だけで処理し、検証期間にも固定した手順を適用します。

Pearson ICは、各日の資産横断面における信号値と後続リターンの通常の相関です。線形の連動を測り、信号の大きさの情報を残しますが、少数の極端な資産が結果を大きく左右する場合があります。単調な非線形関係でもPearson値が小さいことがあります。

Rank ICは、信号と将来リターンをそれぞれ同じ日の資産間で順位に置き換え、その二つの順位のPearson相関を計算します。これがSpearmanの順位相関です（Spearman, 1904）。元の単位や極端な大きさの影響は小さくなり、高い信号を持つ資産が高いリターン順位になりやすいかを測ります。値が同じ資産がある場合は平均順位などの扱いを決め、報告します。

二つの指標は関連しますが、答える問いが異なります。元の数値の線形関係が重要ならPearson IC、資産間の順序が重要ならRank ICが適しています。ただし、どちらも予測値の較正やポジション規模を直接測るものではなく、ポートフォリオ制約や予測をポジションに変える手順も反映しません。

同順位が多いと、順位ICは平均順位などの規則に左右されます。資産数が少なく同順位が多いほど区別できる順序は減り、推定値が不安定になりやすくなります。日ごとの資産数と同順位の扱いを併記すると、結果を比べやすくなります。

以下の信号値、リターン、平均、順位、計算結果はすべて説明用の仮定値であり、実際の市場データではありません。生の信号値が簡単のため [1, 2, 3, 4, 5] と仮定し、したがって信号順位も同じとします。次の期間のリターンは [1%, 2%, 3%, 4%, −5%] とします。順位1が最も低く、5が最も高い信号です。リターンを小さい順に順位付けすると、リターン順位は [2, 3, 4, 5, 1] です。同じ順序でも生の信号の大きさを変えればPearson ICは変わり得ますが、同順位がなければRank ICは変わりません。

Pearson ICでは、信号の平均が3、リターンの平均が1%です。中心化した信号の偏差は [−2, −1, 0, 1, 2]、パーセントポイントで表したリターンの偏差は [0, 1, 2, 3, −6] です。対応する偏差の積の合計は −10、二乗偏差の合計は信号側が10、リターン側が50です。したがって Pearson IC = −10 / √(10 × 50) = −0.4472136 です。

Rank ICは、信号順位 [1, 2, 3, 4, 5] とリターン順位 [2, 3, 4, 5, 1] の相関です。両方の順位の平均は3で、偏差の積の合計は 2 + 0 + 0 + 2 − 4 = 0 なので、Spearman Rank IC = 0 です。最後の資産の大きな損失が数値の線形関係を負に引き下げますが、順位の関係は一方向にそろわないためゼロになります。

各日について横断面ICₜを一つ計算し、その時系列を要約します。算術平均は meanₜ(ICₜ) です。必要なら中央値、日ごとのばらつき、ICが正の日の割合、時系列図も示します。平均だけでは、長く弱かった時期や一時期だけの強さを見落とすことがあります。

よくあるICIRの慣例は、日別ICの時系列平均をその標準偏差で割る方法です。ICIR = mean(ICₜ) / sd(ICₜ)。標本標準偏差か母標準偏差か、日付を等しく重み付けするか、欠損日をどう扱うか、年率化したかを示します。観測頻度の平方根を掛けることもありますが、ICに時系列依存があると単純な年率化が成り立たない場合があるため、方法と根拠を説明します。

このガイドでのICIRは、有効なリバランス日のICを等ウェイトで平均し、同じ系列の標本標準偏差で割った非年率化の値です。報告時は日次・週次・月次などのリバランス頻度も明記します。

ICIRは日別ICの一貫性を表す値で、ポートフォリオのシャープレシオや情報比率そのものではありません。信号品質が時期によって変わる影響をYeが検討しています（Ye, 2008）。DingとMartinの修正版基本法則も時間変動するICをモデルの中心に置き、特定の仮定の下でICの平均や共分散と事前のポートフォリオIRを結び付けます（Ding and Martin, 2017）。この結果を慣例的なICIRと無条件に同一視しないでください。

ICIR自体は有意性検定ではありません。日別ICに自己相関があれば、平均の標準誤差や有効標本数は日数だけでは決まりません。有意性を論じるなら、時系列依存を扱う標準誤差やブロック再標本化など、使った方法と仮定を別に報告します。

各日に、事前に定めた利用可能性の基準を満たす同じ資産の信号と将来リターンを対応させます。欠損した将来リターンをゼロで埋めてはいけません。日ごとの資産数、対象範囲の変化、古い価格や上場廃止の扱い、同順位の処理を示します。横断面の構成が変わればICの意味や精度も変わることがあります。

欠損が偶然に生じるとは限りません。売買停止、流動性の低さ、上場廃止前の価格欠落は信号の極端さや将来リターンと関係する可能性があります。観測が完全な資産だけに絞った場合、その条件が対象群と結果にどう影響するかを説明します。

将来リターンの期間が複数日に及ぶと、隣り合う日付の目標期間が重なることがあります。同じ資産の複数のIC観測が同じ価格変動を共有し、時系列依存が生じます。同じ資産の反復や日付ごとの共通ショックも依存を作るため、日付が独立だとする単純な標準誤差は精度を過大に見せる場合があります。

たとえば週次でリバランスし、将来20取引日リターンを使うと、連続する週次の目標期間は約15取引日重なります。そのため週次ICが52個あっても、独立した実験が52回あったことにはなりません。20取引日ごとのリバランスなら目標期間の重なりをなくせますが、標本数は減り、共通ショックや同じ資産の反復による依存は残ります。

結果を見る前に期間と重なりの扱いを決めます。重なりが必要なら、ブロック法や適切な時系列手法など依存を反映する推論を使い、資産と日付の組を独立の証拠とみなさないようにします。学習期間と検証期間の間で重なるラベルを除くと情報漏洩を防ぎやすくなります。パージド交差検証のガイドを参照してください。

標本内の高いICは、同じ過去データのノイズに信号を合わせた結果かもしれません。未使用期間を残すか、ウォークフォワード検証を行います。各段階で変換やパラメーターを過去のデータだけで決め、その後の日付で評価します。ホールドアウトを何度も確認しながら調整したなら、もはや独立した標本外検証ではありません。

試した研究上の選択肢も数えます。信号定義、ラグ、予測期間、資産群、フィルター、中立化、対象日を何通りも試せば、偶然に高いICが出る候補を選びやすくなります。Harvey、Liu、Zhuは、広範なファクター探索の後では通常の有意性基準が誤解を招き得ることを論じています（Harvey, Liu, and Zhu, 2014）。特定の論文が提案する閾値を万能の基準として扱うのではなく、試行数に応じた補正を検討します。

選択手順、試行した変形の範囲、時系列依存と探索回数を反映した不確実性の扱いを報告します。あるバックテストで平均ICが正でも、それはその標本と設計に関する結果であり、新しい市場局面でも続く証拠ではありません。

当時の投資可能資産群、信号時刻、執行仮定、予測期間、PearsonかSpearmanか、同順位処理、横断面の標本数、日別IC、ICIRの式、欠損処理、標本外検証を報告します。資産と日付の依存を考慮した不確実性、試した信号の変形数も示します。

ICは予測と後続リターンの関連を測りますが、ポジション規模は決めません。予測をウェイトに変えるポートフォリオ構築では、リスク管理、中立化制約、回転率、取引費用、流動性、運用容量、借株や執行条件が結果を左右します。Rank ICが有用に見えても費用控除後は損失になり得ます。平均ICが低くても、予測機会の広さとポートフォリオ設計によって結果は異なります。

業種中立化や因子残差化を信号の定義に含めると、測定対象の信号が変わるためICも変わり得ます。一方、すでに計算した生のICはポートフォリオのウェイト制約だけでは変わりません。ただし制約は予測をどの程度アクティブポジションに移せるかを狭め、ポートフォリオIRがICと異なる一因になります。調整前後のICと、制約下のポートフォリオ結果を分けて報告します。

Clarkeらは、ポートフォリオ制約の下で予測が実際のウェイトにどの程度移るかを移転係数 TC と定義し、基本法則を拡張しました。簡略形は期待IR ≈ IC × TC × √B です。この関係もモデルの仮定に基づきます（Clarke, de Silva & Thorley, 2002）。

この評価は、一つの発表の前後でCARを測るイベントスタディとは別です。イベントスタディは特定の発表時点周辺の異常リターンを測り、ICは繰り返し行う横断面予測が後のリターン順位を捉えるかを評価します。異なる測定法はイベントスタディとCARのガイドを参照してください。ICも因果の証明ではありません。より一般的な区別は相関と因果のガイドで扱います。