Информационный коэффициент (IC) и Rank IC для количественных сигналов

Для каждой даты t сравните значения сигнала по доступным для инвестирования активам с доходностью этих же активов за следующий заранее заданный интервал. Распространённая запись: ICₜ = corrᵢ(signalᵢ,ₜ, forward_returnᵢ,ₜ₊₁). Индекс i обозначает актив. Корреляцию считают по активам на одну дату, а затем соединяют дневные значения IC в временной ряд.

Это статистика проверки поперечного прогноза: она не равна корреляции двух объединённых временных рядов и не является аномальной доходностью в событийном исследовании. Результат зависит от набора активов, определения сигнала, горизонта доходности, весов и состава данных по датам. Обычно под IC понимают корреляцию Пирсона, но терминология в исследованиях не полностью единообразна, поэтому укажите свою формулу.

В фундаментальном законе активного управления Гринольда связь между IC, широтой возможностей и переносом прогноза в активные позиции рассматривается при заданных модельных предпосылках (Grinold, “The Fundamental Law of Active Management”). Это рамка для оценки навыка управления, а не обещание, что измеренный IC автоматически превратится в инвестиционный результат.

В упрощённой исходной формулировке Гринольда ожидаемый IR ≈ IC × √B, где B — эффективная широта независимых решений. Это приближение опирается на предпосылки модели.

IC будет различаться в зависимости от того, корректируете ли вы сигнал или доходность на отраслевые и рыночные факторы и как взвешиваете активы. Уточните, используете ли сырую будущую доходность или риск-скорректированную остаточную доходность, а также считается ли IC до или после нейтрализации и стандартизации. Иначе показатели с разными определениями нельзя напрямую сравнивать.

На каждом моменте ребалансировки зафиксируйте сигнал только на основе сведений, которые действительно были известны к этому времени. Учтите время публикации, задержки поставщика данных, пересмотр исторических значений и часовой пояс биржи. Метка даты t не означает, что значение уже было доступно к закрытию торгов в день t. Позднее пересмотренные данные или доходность за тот же период могут привести к заглядыванию в будущее.

Сопоставляйте сигналᵢ,ₜ с доходностью, интервал которой начинается после момента, когда на основе сигнала можно было подать заявку. Укажите время решения, первую доступную для исполнения цену, начало и конец периода доходности, а также включены ли дивиденды и другие выплаты. Если сигнал формируется после аукциона закрытия, а доходность начинается с той же цены закрытия, результат нельзя исполнить без явного предположения о сделке.

Восстановите набор активов, доступных для инвестирования на каждую историческую дату; при необходимости включайте делистингованные бумаги. Применение сегодняшнего списка выживших компаний к прошлым периодам или использование состава индекса, определённого позднее, может завысить качество слабого сигнала. Выравнивание по времени — часть определения IC, а не очистка данных после расчёта.

Если параметры нормализации, границы отсечения выбросов или фильтр пропусков оценены по всему периоду, сведения о будущем распределении могут попасть в прошлые сигналы. Оценивайте эти параметры только на предшествующих данных внутри каждого обучающего отрезка либо применяйте поперечный срез, доступный на конкретную дату; затем используйте фиксированную процедуру в проверочном периоде.

Pearson IC — обычная корреляция между значениями сигнала и последующей доходностью по активам на каждую дату. Она измеряет линейное совместное изменение и сохраняет информацию о величине сигнала, но несколько экстремальных активов могут сильно повлиять на результат. При монотонной, но нелинейной связи Pearson IC тоже может быть небольшим.

Rank IC сначала заменяет значения сигнала и будущей доходности рангами внутри поперечного сечения каждой даты, а затем считает корреляцию Пирсона между рангами. Это ранговая корреляция Спирмена (Spearman, 1904). Она ослабляет влияние исходных единиц измерения и экстремальной величины наблюдений и показывает, чаще ли активы с более высоким сигналом занимают более высокие места по будущей доходности. Для совпадающих значений заранее задайте и укажите правило, например средние ранги.

Показатели связаны, но отвечают на разные вопросы. Pearson IC подходит, если важна линейная связь исходных числовых значений; Rank IC — если важен порядок активов. Ни одна метрика напрямую не измеряет калибровку прогноза или размер позиции и сама по себе не учитывает портфельные ограничения и способ перевода прогнозов в позиции.

При большом числе совпадающих значений Rank IC зависит от правила присвоения рангов. Чем меньше активов и больше совпадений, тем меньше различимых порядков и тем неустойчивее оценка. Для сопоставимости указывайте число активов на каждую дату и способ обработки совпадений.

Все приведённые ниже значения сигнала, доходности, средние и результаты расчёта — условный учебный пример, а не реальные рыночные данные. Для простоты допустим, что исходные значения сигнала пяти активов на одну дату равны [1, 2, 3, 4, 5], поэтому ранги сигнала такие же; доходность за следующий период — [1%, 2%, 3%, 4%, −5%]. Ранг 1 означает самый низкий сигнал, ранг 5 — самый высокий. При ранжировании доходности по возрастанию получаем [2, 3, 4, 5, 1]. Если исходные величины сигнала изменить, сохранив порядок, Rank IC останется тем же при отсутствии совпадающих рангов, а Pearson IC может измениться.

Для Pearson IC среднее значение ранга сигнала равно 3, средняя доходность — 1%. Отклонения центрированных рангов сигнала равны [−2, −1, 0, 1, 2], а отклонения доходности в процентных пунктах — [0, 1, 2, 3, −6]. Сумма произведений парных отклонений равна −10, а суммы квадратов отклонений — 10 и 50. Поэтому Pearson IC = −10 / √(10 × 50) = −0.4472136.

Rank IC — это корреляция рангов сигнала [1, 2, 3, 4, 5] и доходности [2, 3, 4, 5, 1]. Средние обоих наборов равны 3; сумма произведений отклонений равна 2 + 0 + 0 + 2 − 4 = 0, поэтому Spearman Rank IC = 0. Большой убыток последнего актива тянет линейную корреляцию значений вниз, а ранговая связь не складывается последовательно ни в положительном, ни в отрицательном направлении.

Сначала рассчитывайте один поперечный ICₜ для каждой даты, а затем сводите временной ряд. Среднее арифметическое — meanₜ(ICₜ). При необходимости добавьте медиану, разброс значений, долю дат с положительным IC и график ряда. Одно среднее может скрыть долгий слабый период или короткий отрезок, на который пришлась почти вся видимая предсказательная способность.

Распространённый вариант ICIR — среднее дневных IC, делённое на временное стандартное отклонение этих значений: ICIR = mean(ICₜ) / sd(ICₜ). Укажите, использовано выборочное или генеральное стандартное отклонение, одинаковы ли веса дат, как обрабатываются пропуски и выполнялась ли годовая экстраполяция. Некоторые расчёты умножают отношение на корень из числа наблюдений в году, но при временной зависимости IC такое масштабирование может быть неверным; объясните выбранный метод.

В этой статье ICIR определяется как среднее IC по допустимым датам ребалансировки с одинаковым весом каждой даты, делённое на выборочное стандартное отклонение этой серии; показатель не годовой. Также указывайте частоту ребалансировки — например, дневную, недельную или месячную.

ICIR описывает согласованность дневных IC, а не является коэффициентом Шарпа или информационным отношением портфеля. Ye исследует, как изменение качества сигнала во времени влияет на результат (Ye, 2008). В модели Динга и Мартина изменяющийся во времени IC также важен; при их конкретных предпосылках среднее и ковариация IC связаны с ожидаемым портфельным IR (Ding and Martin, 2017). Этот модельный вывод нельзя без оговорок приравнивать к обычному ICIR.

Сам ICIR не является проверкой статистической значимости. При автокорреляции дневных IC стандартная ошибка среднего и эффективный размер выборки не определяются одним лишь числом дат. Для выводов о значимости отдельно укажите способ и предпосылки учёта временной зависимости, например соответствующие стандартные ошибки или блочный бутстрэп.

На каждой дате сопоставляйте сигнал и будущую доходность одного и того же актива, прошедшие заранее заданные критерии доступности. Не заменяйте отсутствующую будущую доходность нулём. Укажите число активов по датам, изменение покрытия, обработку устаревших цен и делистингов, а также правило для совпадающих рангов. Изменение состава поперечного сечения меняет смысл и точность IC.

Пропуски могут быть не случайными. Приостановка торгов, низкая ликвидность или отсутствие цены перед делистингом могут быть связаны с экстремальным сигналом или будущей доходностью. Если вы оставили только активы с полными данными, опишите влияние этого фильтра на целевую совокупность и результат.

Если будущая доходность охватывает несколько дней, целевые интервалы соседних дат могут пересекаться. Наблюдения IC для одного актива разделяют часть ценовых изменений, из-за чего появляется временная зависимость. Повторное использование активов и общие шоки в одну дату тоже создают зависимость, поэтому наивная стандартная ошибка, предполагающая независимость дат, может преувеличить точность.

Например, при еженедельной ребалансировке и прогнозе доходности за следующие 20 торговых сессий соседние недельные окна перекрываются примерно на 15 сессий. Поэтому 52 недельных значения IC — не 52 независимых эксперимента. Ребалансировка раз в 20 сессий устраняет перекрытие целевых периодов, но сокращает выборку и не устраняет зависимость из-за общих шоков и повторного наблюдения одних и тех же активов.

Заранее определите горизонт и правила обработки перекрытий. Если перекрытия нужны, используйте выводы, учитывающие зависимость, например подходящий блочный или временной метод, и не считайте каждую пару «актив—дата» независимым свидетельством. Удаление перекрывающихся целевых интервалов между обучением и проверкой помогает предотвратить утечку; см. руководство по очищенной кросс-валидации для временных рядов.

Высокий IC внутри выборки может возникнуть потому, что сигнал подогнали к шуму тех же исторических данных. Оставьте действительно не просмотренный период или используйте последовательную проверку по скользящим окнам: на каждом шаге определяйте преобразования и параметры только по прошлым данным и оценивайте результат на более поздних датах. Если многократно смотреть на отложенную выборку и менять сигнал, она уже не является независимой проверкой вне выборки.

Учитывайте все исследовательские варианты: определения сигналов, лаги, горизонты прогноза, наборы активов, фильтры, нейтрализацию и диапазоны дат. Чем больше кандидатов проверено, тем выше вероятность случайно найти высокий IC. Harvey, Liu и Zhu объясняют, почему обычные пороги значимости могут вводить в заблуждение после масштабного поиска факторов (Harvey, Liu, and Zhu, 2014). Не следует превращать порог из отдельной статьи в универсальное правило; выбирайте поправку с учётом полного объёма поиска.

Раскройте процесс выбора, число или диапазон испытанных вариантов и способ учёта неопределённости из-за зависимости во времени и проведённого поиска. Положительный средний IC в одном бэктесте характеризует проверенную выборку и дизайн, но не подтверждает, что сигнал сохранится в новом рыночном режиме.

Укажите набор активов, доступный на тот момент, время сигнала, предположение об исполнении, горизонт доходности, выбор Пирсона или Спирмена, обработку совпадающих рангов, размер выборки по датам, временной ряд IC, формулу ICIR, правила обработки пропусков и процедуру проверки вне выборки. Добавьте оценки неопределённости, учитывающие зависимость активов и дат, и число опробованных вариантов сигнала.

IC измеряет связь прогноза с последующей доходностью, но не задаёт размер позиции. При переводе прогнозов в веса результат зависит от контроля риска, ограничений нейтральности, оборота, торговых издержек, ликвидности, ёмкости, займа бумаг и исполнения. Полезный на вид Rank IC может не принести прибыли после издержек; низкий средний IC тоже не определяет итог без учёта широты прогнозов и построения портфеля.

Если включить отраслевую нейтрализацию или остатки факторной модели в определение сигнала, сам сигнал изменится и IC тоже может измениться. Напротив, уже рассчитанный исходный IC не меняется только из-за ограничений на веса портфеля. Но такие ограничения сужают возможности воплотить прогноз в активных позициях, поэтому портфельный IR может отличаться от IC. Отдельно показывайте IC до и после корректировок и результат портфеля с ограничениями.

Кларк и соавторы определяют коэффициент переноса TC как степень, в которой прогноз преобразуется в фактические веса портфеля с учётом ограничений, и обобщают фундаментальный закон. Упрощённая форма: ожидаемый IR ≈ IC × TC × √B; это также зависит от предпосылок модели (Clarke, de Silva & Thorley, 2002).

Эта оценка отличается от CAR вокруг одного объявления. Событийное исследование измеряет аномальную доходность около заданного объявления; IC оценивает, упорядочивают ли повторяющиеся поперечные прогнозы последующую доходность. Другой метод описан в руководстве по событийным исследованиям и CAR. IC также показывает прогнозную связь, а не доказывает причинный механизм; общее различие разбирается в руководстве о корреляции и причинности.