别再问因子好不好了!QMT+Python,手把手教你给因子做“四维体检”

在做量化投资时，常常听人说：“这个因子IC高”、“那个因子稳”、“这组因子重复了”等。

但到底啥叫因子好？怎么用数据和代码去验证？今天就带你搞清楚：衡量一个量化因子好坏的完整体系——从指标、公式到代码全都有。

一、量化因子“四维体检体系”

我叫它“四维体检法”：IC 是心电图——看预测方向的稳定性；ICIR 是体温——看表现的一致性与波动；分层收益是血压——看区分好坏资产的能力；可持续性是耐力——看跨市场环境的适应性。

接下来，我们一维一维拆开讲，公式 + 代码全带上。

二、第一维：IC（Information Coefficient）信息系数

判断标准：

• IC 均值：通常要求大于 0.03（选股类因子）或大于 0.01（行业中性后），绝对值越高越好，反映因子整体预测能力

• IC 正负比例：正 IC 占比越高越好，理想情况下应超过 70%，说明因子方向稳定、不易“翻车”

• IC 序列平稳性：IC 应围绕正值稳定波动，而非大起大落或长期归零，避免“时灵时不灵”的情况

注：上述阈值基于日频A股因子经验，若为周/月频或行业中性因子，应适当放宽（例如0.01/0.03为边界）。

Python实战：用 RSI 因子举例

为了方便大家理解，这里用常见的 RSI（相对强弱指标）作为示例因子，演示 IC 的计算过程。行情数据我们采用 xtquant + miniQMT 这个组合。

先发一个获取行情的方法，后面会用到：

有了行情，接下来我们计算RSI因子的IC，代码如下：

计算完 IC 以后，我们顺手把 IC 的走势图绘制一下，方便更直观地看出因子的预测能力。核心代码如下：

按照上面的逻辑，我统计了全部 A 股（排除北交所）RSI 因子对应的未来 10 天收益的 IC 均值，结果如下：

IC 均值：-0.0797

以下是对应的因子 IC 时序走势图：

先来看IC均值为负的含义：

RSI值越高，未来10天收益反而越低。这其实完全符合RSI的经典性质——短期反转特征。换句话说，当股票近期涨得过快（RSI高）时，未来可能会出现回调；而近期跌得多（RSI低）时，则可能出现反弹。而且绝对值>0.05，说明RSI具有较强的反向预测力，是一个反转型优秀因子。