第 6 课 · Multi-Factor Portfolio

多因子组合管理

先弄清每个因子能预测多久、晚几天还剩多少效果，
再决定调仓与权重。

IC 研究：2019—2024 样本内 · 组合回测：2019—2026.05 全样本

多因子
组合

Horizon
IC

Lagged
IC

调仓
周期

因子
权重

最终使用了哪六个因子？

trend252_skip2212-1 趋势质量

观察过去约一年、跳过最近 22 日，并用斜率和 R² 同时衡量趋势方向与平滑度。

样本内 H=5 IC：0.051

mom_skip252_2212-1 跳月动量

计算 close[t−22] / close[t−252] − 1，只看首尾涨幅，不评价中间路径是否平滑。

样本内 H=5 IC：0.041

trend2222 日趋势评分

对近 22 日对数价格做回归，用年化斜率 × R²，偏向短期且走得稳的趋势。

样本内 H=5 IC：0.051

quantile_reversion6060 日分位偏离

衡量价格相对 60 日中位数偏离多远；统一复评后采用方向修正值。

样本内 H=5 IC：0.047

upday_volume20上涨日成交量占比

近 20 日成交量中，上涨日占得越多，说明上涨时承接更积极。

样本内 H=5 IC：0.057

breakout_persistence20突破持续性

把近 20 日创新高频率与价格斜率结合，判断突破能否持续。

样本内 H=5 IC：0.047

这次扩展：在原 4 个因子上，明确加入 trend_score(period=22) 与 mom_skip(total=252, skip=22)。

期限结构 · 固定 Lag = 0

Horizon IC：预测期限测试

IC(H, 0)=corr(F_t, R_t,H)

R_t,H=P_t+1+H / P_t+1 − 1

t今天计算因子

→

t + 1收益窗口开始

→

t + 1 + H收益窗口结束

改变 Horizon1、3、5、10、20、40、60 日累计收益。

回答什么？今天的因子更擅长预测短期，还是中长期？

不回答什么？信号晚几天使用是否仍有效。

为什么可能先升？单日收益噪声大，累计窗口能把分散的小优势聚起来。

为什么后来会降？窗口太长会混入新的市场信息，原信号被稀释。

Horizon IC 的峰值不是最佳调仓周期。调仓还要看信号衰减、排名变化、换手与成本。

第 6 课 · 互动演示

拉长收益窗口，IC 会怎样变？

教学合成数据 · 独立打开互动网页 ↗

真实结果 · 样本内 2019-01-02—2024-12-31

不同因子的预测期限不一样

先升后降上涨日成交量：H=1 为 0.022，H=10 升到 0.074，H=60 回到 0.015。

长期趋势的期限更长trend252_skip22 从 H=20 的 0.093，继续升到 H=60 的 0.179。

不能只报一个 H同一因子在 1 日和 20 日预测的是不同问题。

曲线只使用 2019-01-02—2024-12-31 样本内数据；每个点同时保存 ICIR、HAC t 值、置信区间与有效日期数。

第 6 课 · 学员互动

Horizon IC 最高的那一档，能当调仓周期吗？

某个因子的 Horizon IC 在 H=10 最高，H=5 和 H=20 都更低。

这能直接说明应该每 10 天调一次仓吗？请选「能」或「不能」，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

不能。
Horizon IC 只回答：今天的因子更擅长预测多长的累计收益。峰值不是调仓周期。调仓还要看信号衰减、排名变化、换手和成本。

信息衰减 · 固定 Horizon

Lagged IC：延迟衰减测试

IC(H, L)=corr(F_t, R_t,H,L)

R_t,H,L=P_t+1+L+H / P_t+1+L − 1

t今天计算因子

→

t + 1 + L推迟 L 日后开始

→

t + 1 + L + H收益窗口结束

改变 Lag同一个 t 日信号，推迟 0、1、2、3、5…60 日使用。

回答什么？今天的排序等几天以后，还剩多少预测能力？

关键观察降至初值 50%、首次转负、失去显著性。

Lag 0现在用原始信息最完整

Lag 5等一周检查还能保留多少

Lag 20等一个月可能已换成另一段行情

第 6 课 · 互动演示

同一个信号，晚几天再用还剩多少？

教学合成数据 · 独立打开互动网页 ↗

真实结果 · 样本内 · 四个 Horizon

期限变长，与信号衰减不是一回事

H=5，Lag 5 仍有信息六个因子的 IC 仍在 0.034—0.054；不是过 5 天就归零。

Lag 15—20 开始分化短期因子大多转负，两个 12-1 动量仍保持约 0.047—0.063。

两条轴要分开读Horizon IC 可以上升，同时 Lagged IC 随等待下降。

第 6 课 · 学员互动

Horizon 变长了，晚几天再用也会更好吗？

一个因子的 Horizon IC 随 H 从 5 升到 20。有人说：那把这个信号推迟 15 天再用，效果也会更好。

这种说法对吗？请选「对」或「不对」，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

不对。
拉长 H 是把收益窗口变长；晚几天再用是改变 Lag。两条轴要分开读：期限变长时，等待仍可能把同一条信号耗掉。

因子相关性 · 样本内 2019—2024

因子相关性

怎么看相关性？

逐日 Spearman每天比较 ETF 横截面排名，再对日期取平均。

252 日滚动相关检查重复关系是否随市场阶段变化。

Top 3 Jaccard直接计算最终选中名单的重叠程度。

真实结果

两个 12-1 因子很像相关 0.87；Top 3 Jaccard 0.68。

22 日趋势也有重复与突破持续相关 0.77，Top 3 重叠 0.75。

六个因子不代表六份独立信息，组合时要避免重复加票。

相关性高不等于自动删除。它只提醒我们“可能重复”，最终仍要检查样本外增量价值。

第 6 课 · 学员互动

两个因子相关 0.87，要立刻删掉一个吗？

样本内，两个 12-1 因子的相关约 0.87，Top 3 名单也很像。

下一步应该直接删掉其中一个吗？请选「应该删」或「还不够」，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

还不够。
相关高只提示可能重复，不等于自动删除。还要看去掉一个之后，样本外有没有少掉真正的增量价值。

组合前处理 · 同一天横向比较

两种截面归一化：Rank 与 Z-score

原始趋势因子量纲还没统一同一天的 5 只 ETF

ETF A10

ETF B20

ETF C30

ETF D40

ETF E100

ETF E 是明显的极端值。直接相加时，它会因为数值大而主导组合。

方式 1 · RANK只保留先后顺序百分位 = 名次 ÷ 5

A0.2B0.4C0.6D0.8E1.0

更稳健：五个名次等距排列，100 不会比 40 获得额外优势。

方式 2 · Z-SCORE保留相对距离z = (x − 40) ÷ 31.6

A−0.95B−0.63C−0.32D0.00E1.90

信息更多：不看某只 ETF 的因子值绝对是多少，而是看它在“当天这批 ETF”里，比平均水平高或低了多少个标准差。

本课默认用 Rank：18 ETF 截面较小，排名对极端值更稳健。只有当“数值距离确实有经济含义”，并且已经去极值时，再考虑 Z-score。

第 6 课 · 互动演示

极端值在 Rank 和 Z-score 里差在哪？

教学合成数据 · 独立打开互动网页 ↗

第 6 课 · 学员互动

原始值是 100，Rank 会让它远超 40 吗？

同一天 5 只 ETF 的原始因子值是 10、20、30、40、100。

若用 Rank 百分位合成，100 会不会因为数值大很多，就比 40 多占很多优势？请选「会」或「不会」，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

不会。
Rank 只保留名次，五个名次等距；100 和 40 只差一个名次。Z-score 才会保留 100 与 40 之间的距离。

课堂基准 · 先从简单方法开始

等权排名与等权投票

方法 1等权排名

每个因子先变成每日横截面百分位，再用 1/N 合成。

组合前统一做 Rank 截面归一化：只保留名次，避免量纲差异或极端值主导等权平均。

统一方向→百分位排名→平均→Top 3

方法 2等权投票

每个因子各选 Top 3。票数相同，用等权综合排名破局。

组合前统一做 Rank 截面归一化：投票只关心是否进 Top 3，同票时也该按名次而非数值距离破局。

各自 Top 3→数票→排名破局→Top 3

共同优点透明、稳定、没有动态估计误差，是必须保留的基准。

主要差别排名保留强弱距离；投票更离散，更强调“有几个因子支持”。

后面的 IC、ICIR、最大 ICIR，只改变“因子说多大声”；Top 3、资产等权、5 日调仓与交易成本都保持一致。

第 6 课 · 互动演示

等权排名和等权投票，会选出同一批吗？

教学合成数据 · 独立打开互动网页 ↗

第 6 课 · 学员互动

刚进前三三次，和只拿一次第一，投票留谁？

3 个因子，最终选 Top 3。
甲：三个因子都排第 3。
乙：一个因子排第 1，另外两个排最后。

等权投票更可能留下甲还是乙？请选一个，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

更可能留下甲。
投票只数「进没进该因子 Top 3」：甲 3 票，乙 1 票。排第 1 还是第 3，这一步不看差多少。

方法 3 · 近期有效性

IC 权重：近期更有效的因子多说一点

w^IC_i,t∝max(0, IC^(252,H=5)_i,t)

IC^(252,H=5)_i,t=mean(IC^H=5_i,t−251:t)

对应 H=5跟课堂基准调仓周期使用同一个预测期限。

滚动 252 日至少 126 个有效 IC 才开始动态估计。

延迟 6 日t 日信号的 5 日收益到 t+6 才完整发生。

非负 + 上限不做负权；单因子最多 50%；失败回退等权。

t 日因子值已知

但未来 5 日收益未知。

→

t+1 → t+6收益逐步发生

这段时间不能偷看 IC。

→

t+6 日后IC 才能进入权重

动态权重保持因果。

品种打分仍做 Rank 截面归一化：IC 权重只改变“哪个因子更重要”，不让原始量纲和极端值混进这个判断。

两层权重 · 别混在一起

IC 权重是因子的权重，不是品种仓位

观点层 · 三因子示例IC 因子权重

根据各因子过去的 IC，决定它们在综合评分里各说多大声。

因子 A 50%因子 B 30%因子 C 20%

→

选择层合成 ETF 综合得分

得分_j = 0.5×Rank_A,j + 0.3×Rank_B,j + 0.2×Rank_C,j

综合排序 选 Top 3权重作用 因子评分

→

资金层再决定资产权重

本课把选出的 Top 3 ETF 等权配置，让比较只发生在因子组合方法。

ETF 1 ⅓ETF 2 ⅓ETF 3 ⅓

因子 A 的 IC 权重为 50%，只表示它贡献一半的综合评分；不表示任何一只 ETF 的仓位是 50%。

第 6 课 · 互动演示

滚动 IC 权重

教学合成数据 · 独立打开互动网页 ↗

方法 3 的升级 · 有效性之外，再看重复信息

滚动 IC vs 最大 IC：差在哪？

ROLLING IC只看最近准不准

r = 滚动平均 IC
正的 r 越大，因子权重越高。

IC→截断→配重

A、B 即使高度相关，只要各自平均 IC 高，都会得到较高发言权。

MAX IC有效，还要不重复

r = 滚动平均 IC
先用相关矩阵把重复信息压缩，再分配权重。

IC→Σ⁻¹r→配重

A、B 很像时会被一起压低；较独立的 C 即使 IC 略低，也可能多分一点。

共同输入成熟后的 252 日滚动 IC

Max 新增输入对应日期的滚动因子相关性

稳健处理50% 样本相关 + 50% 单位阵

别误读Max 不是挑“IC 最大”的单一因子

一句话：滚动 IC 问“谁最近更准”；最大 IC 再问“谁是在重复同一种证据”。相关历史不足时，最大 IC 不应假装知道去重结果，应回退等权。

方法 4 · 有效还要稳定

ICIR 权重：别只看平均 IC

ICIR^(252,H=5)_i,t=IC^(252,H=5)_i,ts(IC^H=5_i,t−251:t)

w^ICIR_i,t∝max(0, ICIR^(252,H=5)_i,t)

平均 IC 相同IC 波动更小的因子，ICIR 更高，权重也更高。

它在惩罚什么？今天有效、明天反向、阶段切换剧烈的因子。

它会出什么问题？样本太少或标准差极小时，比例可能失真。

252 日窗口避免短样本剧烈摆动

126 日门槛历史不够先等权

50% 上限避免单因子独占

全部非正自动回退等权

品种打分仍做 Rank 截面归一化：ICIR 只评价有效性与稳定性，不让原始量纲或极端值改变综合分。它仍没有处理因子之间是否重复；这正是下一步最大 ICIR 要加入的约束。

第 6 课 · 互动演示

平均 IC 相同，ICIR 如何改变权重？

教学合成数据 · 独立打开互动网页 ↗

第 6 课 · 学员互动

平均 IC 相同，权重会一样吗？

两个因子平均 IC 都是 0.04。A 几乎每天都在 0.04 附近；B 有时 +0.20，有时 −0.10。

按 ICIR 加权，会更偏向 A 还是 B？请选一个，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

更偏向 A。
ICIR = 均值 ÷ 标准差。平均相同、波动更小的因子更稳定，权重更高。B 虽然偶尔很强，但不稳定，会受到惩罚。

方法 4 到方法 5 · 稳定性之外，再看独立性

滚动 ICIR vs 最大 ICIR：差在哪？

ROLLING ICIR奖励稳定的有效性

r = 滚动平均 IC ÷ IC 标准差
平均 IC 相同，波动更小者权重更高。

ICIR→截断→配重

A、B 的 ICIR 都高且彼此高度相关时，仍可能同时拿到很高权重。

MAX ICIR稳定，也要提供新增信息

r = 滚动 ICIR
先用相关矩阵调整 r，再决定各因子的发言权。

ICIR→Σ⁻¹r→配重

A、B 太像时会被压缩；较独立的 C 可因新增信息获得更多权重。

同一个案例：A、B 的 ICIR 都是 1.5，相关性 0.9；C 的 ICIR 是 1.2，但与两者接近独立。滚动 ICIR 主要奖励 A、B 的稳定；最大 ICIR 会把“重复的稳定性”降权，并给 C 留出空间。

一句话：滚动 ICIR 解决“不要只看平均”；最大 ICIR 进一步解决“不要把同一份稳定证据算两次”。

方法 5 · 有效性 × 稳定性 × 独立性

最大 ICIR：把因子相关性也放进权重

核心想法高 ICIR、又不与别人重复的因子，多分一点权重。

相关矩阵收缩50% 样本相关 + 50% 单位阵，降低矩阵不稳定。

保持可控权重非负、上限 50%；不可解或全非正时回退等权。

品种打分仍做 Rank 截面归一化：最大 ICIR 新增的是相关性约束，让优化只处理有效性、稳定性与重复信息，而不受原始数值尺度干扰。

第 6 课 · 互动演示

Max ICIR 组合方法

教学合成数据 · 独立打开互动网页 ↗

第 6 课 · 学员互动

两个很像的因子，独立的那个会怎样？

三个因子的 ICIR 差不多。A 和 B 几乎总是选出同一批 ETF；C 与它们都不相关。

最大 ICIR 更可能把权重匀给 A 和 B，还是多给一点 C？请选一种，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

更可能多给一点 C。
A 和 B 太像，属于重复信息，优化会把它们往下压。C 提供独立信息，即使并不更强，也能分到更多权重。

全样本组合回测 · 五因子 · 5 日调仓 · 单边成本 5 bp

五种方法放到同一套含成本回测里

方法	年化	Sharpe	回撤	换手
滚动 ICIR	25.9%	1.360	17.8%	33.3
滚动 IC	25.5%	1.341	17.8%	32.7
最大 ICIR	24.7%	1.310	22.3%	33.1
等权投票	26.0%	1.286	18.7%	33.8
等权排名	23.6%	1.209	20.5%	32.8

1 / 5 / 10 日的最高 Sharpe 为 1.092 / 1.360 / 1.178，因此选 5 日。这是全样本择优，可能高估真实效果；正式研究仍应锁定参数后再做样本外验证。

第 6 课 · 学员互动

全样本里 5 日 Sharpe 最高，就能定调仓周期吗？

同一套方法在 1 / 5 / 10 日调仓里比较，5 日的 Sharpe 最高，于是选了 5 日。

这能当成已经证明的最佳调仓周期吗？请选「能」或「不能」，并写一句理由。

先独立想 45 秒：写出判断，再写一句理由。看完题再点答案。

查看答案收起答案

不能。
这是全样本择优，可能高估真实效果。正式研究应先锁定参数，再拿到没有参与选择的样本外区间去验证。

课后练习 · 用自己的因子完成研究闭环

用自己挖出来的因子，跑完三组实验

YOUR FACTOR从一个自己挖出的因子开始

先统一方向：因子值越大，预期收益越高。

沿用课堂的 18 ETF、样本内外划分、5 日基准周期和交易成本，保证结果可以直接比较。

01Horizon IC测试不同收益期限，判断它更擅长预测短期还是中长期。

02Lagged IC在多个 Horizon 下推迟使用信号，观察效果怎样衰减。

03组合回测把IC绝对值大于0.03的因子加入因子池，比较等权、IC、ICIR 与最大 ICIR 的含成本表现。