VXI 筆記

量化因子怎麼判斷有沒有用？用 Bucket Spread 和 Rank IC 做多週期驗證

做選股或打分模型時，最容易的事情其實是繼續加因子。

動量、RSI、相對強弱、距離 52 週高點、波動率、成交量……只要回測裡看起來有一點關係，很快就能再加一欄、再配一個權重。真正困難的是下一步：這個因子是真的在排序未來報酬，還是剛好在某個視窗裡表現不錯？

我最近在整理自己的量化研究流程時，發現以前最容易被「勝率」「單一週期報酬」這類數字帶偏。一個因子 5 天後看起來很好，不代表 1 天、3 天也一致；同一批訊號每天都統計，樣本數會快速增加，但 forward return 又大量重疊，看起來很穩定的結果，未必真的增加了那麼多獨立資訊。

所以我沒有直接拿內部系統以前記過的 IC 或 spread 來寫文章，而是重新做了一次小型公開復現。資料來自一個公開倉庫裡 5 個 ETF 的調整後收盤價：sector_prices.csv。我把資料檔固定在 blob SHA 0a442a9260c2ad64e6cd8c01af49328eb7619367，用 SPY、XLK、XLF、XLE、XLV 測幾個很簡單的 20 日價格因子，再分別看 1D / 3D / 5D 的 forward return。

結果沒有得到一個漂亮的「最佳因子」。這反而更有用。

20 日動量在稀疏錨點樣本裡，1D 和 5D 的 High-Low median spread 是正的，3D 卻略微轉負；低波動因子在三個週期的方向也不穩定。更有意思的是，我做了一個「20 日相對 SPY 強弱」之後，最後發現它和原始 20 日動量的橫截面排名完全一樣。

這些不整齊的地方，比一份全綠的因子報告更接近真實研究。

先把訊號發生當下的因子值凍結

做因子驗證時，我現在最看重的不是公式，而是時間邊界。

假設某一天系統替一組股票打分，其中有一個 momentum_20d。真正應該保存的是做出決策當下看到的值，然後等 1D、3D、5D outcome 結算後，再回頭看它有沒有排序能力。

也就是：

decision / snapshot -> factor value at t -> realized return at t + N

而不是等三天之後，再用今天的資料、今天的程式碼重新計算一次「當時的因子」。

這兩種做法看起來很像，實際差很多。資料供應商可能修訂歷史資料，還權方式可能改變，股票池會變，因子定義會改，標準化的橫截面也可能不是當時那批資產。只要事後重算，驗證對象就可能悄悄變成「今天理解的過去」，而不是系統當時真正看到的過去。

Alphalens 的因子分析本質上也是把 factor value 和之後的 forward returns 對齊，再按 quantile 看報酬、算 Information Coefficient。它的文件還特別提醒一個很典型的 look-ahead 風險：如果你用未來報酬本身算 z-score 再過濾異常值，那麼資料清洗這一步就已經知道了未來。

如果之後真的要讓我的生產研究系統自動調整權重，我會把這條邊界做得比一般研究 notebook 更嚴格：factor snapshot 一旦進入 outcome tracking，就不允許後續模型版本回頭覆蓋它。

這次公開復現沒有使用生產資料庫，所以我是用同一份固定歷史價格資料，構造 signal-time factor 和 forward return。它能驗證計算流程，但不能拿來證明某個生產模型沒有 point-in-time 資料問題。這兩件事必須分開。

Bucket Spread 和 Rank IC 看的是兩件不同的事

如果因子主要是用來排序，我不太喜歡一開始就問「勝率多少」。

勝率會把很多資訊壓成一個布林值。漲 0.01% 和漲 8% 都算贏，排第一和排第五也可能都算贏。它適合描述策略結果，但不夠直接地回答「因子值越高，未來結果是不是整體更好」。

我這次用了兩個很基礎的量。

第一個是 Bucket Spread。每個 signal date，把橫截面的因子值按排名切成 Low / Mid / High 三組，再比較 High 和 Low 組之後的報酬差：

Bucket Spread = median(return_high) - median(return_low)

如果一個「越高越好」的因子真的包含排序資訊，理想情況下 High 組應該比 Low 組更強。但 spread 為正只代表這批樣本裡頭尾兩組拉開了，它不會自動等於統計顯著，也不代表可以覆蓋交易成本，更不代表中間組一定單調。

第二個是 Rank IC。這裡我用 Spearman rank correlation，把因子排名和未來報酬排名直接做相關：

Rank IC = Spearman(factor_rank, forward_return_rank)

SciPy 的 spearmanr 是非參數的單調相關衡量，範圍從 -1 到 1。對很多因子來說，我更在意「排序方向有沒有資訊」，而不是假設因子值和未來報酬一定是線性關係，所以 Spearman 很自然。

這次實際執行的核心計算很小，主要邏輯就是：

mom20 = px / px.shift(20) - 1
fwd = px.shift(-horizon) / px - 1

x = mom20.loc[dt].dropna()
y = fwd.loc[dt].dropna()
common = x.index.intersection(y.index)

bucket = pd.qcut(
    x.loc[common].rank(method="first"),
    3,
    labels=["low", "mid", "high"],
)

rho, _ = spearmanr(
    x.loc[common].values,
    y.loc[common].values,
)

spread = (
    y.loc[common][bucket == "high"].median()
    - y.loc[common][bucket == "low"].median()
)

實際實驗腳本已經固定在 Content Lab 裡，執行命令退出碼為 0。這裡沒有再做一個新的「量化框架」，只是把最核心的驗證流程壓到足夠小，避免結果被複雜策略邏輯包住。

同一個因子，換個 horizon 結論就開始改變

為了降低 forward return 重疊，我把主要展示結果設定成「每 5 個交易日取一個 anchor date」。總共 14 個日期，每個日期 5 個 ETF，所以每個 factor × horizon 有 70 筆橫截面觀察。

下面的 spread 用 High bucket median - Low bucket median，單位是百分點；Rank IC 是各 anchor date 橫截面 Spearman IC 的平均值。

因子HorizonNMedian SpreadMean Rank IC
20D Momentum1D70+0.583 pp+0.179
20D Momentum3D70-0.071 pp+0.014
20D Momentum5D70+0.667 pp+0.214
Distance to 20D High1D70+0.249 pp+0.089
Distance to 20D High3D70+0.259 pp+0.151
Distance to 20D High5D70+0.529 pp+0.252
Low Volatility 20D1D70-0.029 pp+0.029
Low Volatility 20D3D70+0.296 pp+0.014
Low Volatility 20D5D70-0.224 pp-0.207
Relative Strength 20D vs SPY1D70+0.583 pp+0.179
Relative Strength 20D vs SPY3D70-0.071 pp+0.014
Relative Strength 20D vs SPY5D70+0.667 pp+0.214

這張表裡我最不想做的事，就是圈出最大值然後宣布「有效」。

先看 20D Momentum。只看 5D，spread +0.667 pp、mean Rank IC +0.214，真的很容易讓人產生加權衝動。可是 3D spread 變成 -0.071 pp，Rank IC 也幾乎貼近 0。它沒有形成一個很乾淨的「週期越長越有效」結構。

Low Volatility 更明顯。3D median spread 是正的，5D 卻轉成 -0.224 pp，mean Rank IC 也到了 -0.207。如果我只截 3D 那一欄，它會看起來像一個值得繼續研究的正向因子；換成 5D，故事完全不同。

這就是多週期 outcome tracking 最實際的價值。它不是為了把 1D、3D、5D 加權成一個更漂亮的綜合分，而是先暴露：你的結論到底對 horizon 有多敏感。

我還保留了一份每天都取樣的結果。那份樣本有 66 個 signal dates、330 筆 factor/outcome 記錄，數量一下大很多。

問題是 3D、5D forward returns 會高度重疊。

結果也真的變了：20D Momentum 的 3D median spread 在每日重疊樣本裡約為 +0.578 pp，到了每 5 個交易日的錨點樣本卻變成 -0.071 pp。

我不會拿這個差異去判斷哪一邊才是「真相」。14 個錨點仍然很小，每 5 日取樣也沒有完全消掉所有相依性。它說明的是另一個更重要的問題：如果一個因子的結論連合理的抽樣方式一換都會翻，研究報告就不該只給一個漂亮的總樣本數字。

因子數量變多之前，先檢查是不是同一份排序資訊

這次還有一個結果，一開始讓我以為程式寫錯了。

我同時做了：

momentum_20d
relative_strength_20d_vs_spy

後者定義為：

asset_20d_return - SPY_20d_return

跑完以後，兩者所有 bucket、spread、Rank IC 結果完全一樣。

檢查程式後發現這不是 bug。

在同一個日期，SPY 的 20 日報酬對所有資產都是同一個常數：

RS_i = Momentum_i - C_t

給橫截面裡每個資產都減去同一個 C_t，不會改變排序。所以只要 Bucket 和 Rank IC 只依賴橫截面 rank，這兩種寫法在這裡就是同一份排序資訊。

這個例子對我來說，比「某個因子 IC 是 0.21」更有價值。

多因子模型很容易出現一種假複雜：指標名字不同、公式看起來不同，最後其實在重複表達同一個方向。兩個高度冗餘的因子如果都拿到獨立權重，不是模型得到兩份證據，而是同一份證據被重複投票。

這裡不能推廣成「relative strength 等於 momentum」。如果相對強弱是相對產業、動態 benchmark、殘差報酬、rolling beta 調整，或使用其他視窗，排序都可能改變。這次等價只來自一個很具體的構造：同一天給所有資產減去相同的 SPY 20D return。

但它給了我一個很實用的檢查習慣：在調權之前，先比較 factor rank、相關性和 bucket assignment，看看新因子到底增加了新資訊，還是只換了名字。

我不會讓一次正 IC 直接改線上權重

如果研究系統最後要做自動調優，我現在更願意把因子從「被發現」到「影響模型」之間拉開一點距離。

一個候選因子可以先進入 observe：記錄訊號時點值，但不參與決策；等 outcome 結算後，再看不同 horizon 的 bucket spread、Rank IC、覆蓋率和樣本分布。

結果有點意思，再進 shadow。Shadow 可以產生「如果啟用它，權重會怎樣變化」的候選結果，但仍然不修改 active model。

我至少會看這幾件事：

  • 樣本量和非空覆蓋是不是夠；
  • High / Mid / Low 有沒有基本排序結構，而不只是頭尾偶然拉開；
  • 1D / 3D / 5D 的方向能不能解釋，還是互相打架；
  • 換一段時間、換一個 regime，方向還在不在；
  • 是否和既有因子高度重複；
  • 抽樣方式、去重規則一改，結論會不會翻；
  • 研究過程中試了多少因子、視窗和參數。

最後一點尤其容易被忽略。因子研究本質上常常是在做大量假設檢驗。你試 50 個指標、6 個視窗、4 個 horizon，再挑一個最好看的，出現「漂亮結果」的機率當然會越來越高。Harvey、Liu 和 Zhu 在資產定價的多重檢驗研究裡專門討論過這個問題：… and the Cross-Section of Expected Returns。

所以 Bucket Spread 和 Rank IC 對我來說不是「因子准入許可證」，更像兩種基礎體檢。它們能幫我快速看出排序有沒有資訊、方向是否穩定，也很容易暴露 horizon 翻轉和因子冗餘；但離「這個因子可以拿真金白銀交易」中間還隔著穩定性、交易成本、樣本外驗證、regime、組合曝險和風險控制。

這次公開實驗本身也只用了 5 個 ETF 和 14 個稀疏錨點日期。我不會拿它證明任何生產 alpha。它真正證明的是，這條驗證鏈可以用一個很小的形式跑起來；而且只要把 horizon、抽樣和 rank redundancy 攤開來看，很多原本很乾淨的因子結論會立刻變得沒那麼確定。

這正是我想保留的狀態。

一個因子如果值得進入模型，最好不是因為某次研究報告給了它一個漂亮數字，而是它經過一段時間的 outcome tracking 之後，仍然有足夠多不太好看的檢查沒有把它推翻。

Quant & Markets quant factor-investing rank-ic backtesting pandas