factor-evaluation

name	factor-evaluation
description	新因子多周期能力评测技能。Use when: 新增因子、评估因子预测能力、计算 IC_1d/IC_5d/IC_20d、做多空组合检验、判断因子是否值得纳入策略。
argument-hint	描述要评测的因子、数据频率、需要的周期（如 1d/5d/20d）以及是否需要多空分组检验
tags	["vortex","vortex/skill","vortex/research-domain"]
obsidian_links	["[[因子研究与评测全流程说明]]","[[研究域设计说明书]]","[[实例策略开发流程]]"]

新因子多周期能力评测

基于 因子分析报告_峰岭谷信息.pdf 总结出的标准化评测流程，用于后续新增任意因子时的统一检验。

适用场景

• 新增一个日频或高频聚合因子后，判断是否有预测能力
• 对同一因子同时评测短期、中期、月度三个 horizon
• 输出标准化的 IC_1d / IC_5d / IC_20d
• 进一步用 5 日多空组合检验交易可用性
• 根据 20d 或指定 horizon 的 IC / ICIR 生成因子权重
• 接收 CogAlpha generation_summary.json / research_cycle.json 中的 qualified、elite 或明确有研究价值的 rejected 候选，做更严格的多周期实证

当输入来自 CogAlpha 时，不要只看因子值和 IC，还必须保留：

1. semantic_status：区分 proxy、faithful_proxy、mutation_proxy。
2. lineage / parent_templates：判断是否是某个父模板的轻微重复。
3. rejection_reasons：避免把已被 quality/fitness 标记的问题重新包装成新因子。
4. research_direction：确认评测 horizon、universe 和用途是否匹配本轮研究目标。

标准评测流程

先区分两件事

1. 预测周期 ≠ 调仓周期

• 预测周期：因子值对未来多少交易日收益有预测力，例如 IC_1d、IC_5d、IC_20d
• 调仓周期：策略多久换一次仓，例如日频、周频、月频、半年频

两者相关，但不是一回事。

例子：

• 一个因子可能对未来 5d 很有效，但对 60d 之后迅速衰减
• 你仍然可以在月度或半年策略里使用它，但会出现“预测力只在前半段有效，后面靠持有延长”的问题

所以不能因为策略是半年调仓，就默认只能看 120d 或 250d； 也不能因为因子在 5d 有效，就默认适合半年持有。

正确做法是：同时评测多个 horizon，再判断它是短线因子、中线因子还是长线因子。

2. 先判断因子期限属性，再决定怎么用

• 短线因子：通常看 1d / 5d / 10d / 20d
• 中线因子：通常看 20d / 40d / 60d
• 长线因子：通常看 60d / 120d / 250d

如果一个因子：

• IC_5d 很强，但 IC_60d、IC_120d 很弱
  • 说明它更像短线择股因子，不适合直接拿去支撑低换手长持有策略
• IC_20d、IC_60d、IC_120d 都为正且稳定
  • 说明它更适合作为中长线核心因子

Step 1: 多周期 RankIC

对每个截面日期，计算：

• IC_1d: 因子值 vs 未来 1 个交易日收益的 Spearman 截面相关
• IC_5d: 因子值 vs 未来 5 个交易日收益的 Spearman 截面相关
• IC_20d: 因子值 vs 未来 20 个交易日收益的 Spearman 截面相关

对于长线策略，不应只停留在这三个周期，建议扩展为：

• 中线补充：IC_40d, IC_60d
• 长线补充：IC_120d, IC_250d

为什么用 Spearman：

• 比 Pearson 更稳健
• 更适合选股排序因子
• 不要求线性关系，只要求单调性

Step 2: 稳定性分析

每个 horizon 至少输出 4 个指标：

• IC_mean
• IC_std
• ICIR = IC_mean / IC_std
• positive_rate = IC > 0 的期数占比

如果用月末截面做测试，positive_rate 可以理解为“正 IC 月份占比”。

Step 3: 多空组合验证

默认做 5 日 horizon 的 5 分组检验：

• 多头：因子值最高 20%
• 空头：因子值最低 20%
• 输出：
  • long_mean
  • short_mean
  • long_short_5d
  • sharpe

这一步是为了验证“统计显著”是否能转成“交易可用”。

Step 4: 因子准入判断

建议至少满足下面 4 条中的大部分：

• |IC_mean_20d| > 0.03
• ICIR_20d > 0.3
• positive_rate_20d > 55%
• long_short_5d > 0

如果是短周期因子（分钟聚合、盘口、情绪），重点看：

• IC_1d
• IC_5d
• IC_20d
• long_short_5d

如果是中低频基本面因子，重点看：

• IC_20d
• IC_60d
• ICIR_20d
• ICIR_60d

如果是低换手长持有策略（季度 / 半年 / 年度），重点看：

• IC_60d
• IC_120d
• IC_250d
• 这些周期上的 ICIR 和正 IC 占比
• 对应 horizon 的多空收益或分组收益单调性

Horizon 选择建议

场景	推荐评测周期	主要用途
高频 / 微观结构因子	1d, 5d, 10d, 20d	判断短期 alpha 衰减速度
月度调仓策略	5d, 20d, 40d	看月内是否持续有效
季度调仓策略	20d, 60d, 120d	看一个季度内是否维持预测力
半年调仓策略	20d, 60d, 120d, 250d	判断因子是否适合低换手持有
年度 / 超低换手策略	60d, 120d, 250d	判断是否为真正长线因子

为什么半年策略不能只看 20d

因为 20d 只回答“未来约 1 个月收益是否可预测”。

如果策略是半年一调仓，那么只看 20d 会有两个风险：

1. 因子在前 20 天有效，但后 100 天失效甚至反转
2. 权重优化会偏向短线信号，导致长持有策略的解释力不足

所以：

• 20d 可以作为中短期参考
• 但半年策略至少要补看 60d / 120d
• 如果真的想做“长线因子准入”，建议加 250d

实务建议

• 如果当前策略是月度或更快：可以用 weight_horizon=20
• 如果当前策略是季度：优先比较 20 vs 60
• 如果当前策略是半年：优先比较 20 vs 60 vs 120
• 如果当前策略是年度：优先比较 60 vs 120 vs 250

不要先假设某个 horizon 正确，而应把它当成待验证对象。

PDF 提炼出的评测模板

以峰岭谷因子报告为例，评测时至少回答这 3 个问题：

1. 哪个 horizon 最强：1d、5d 还是 20d
2. 因子方向是什么：正向还是负向
3. 有没有交易价值：5 日多空收益和夏普是否足够好

报告中的典型口径：

• ridge_minutes: IC_1d = 0.1551, IC_5d = 0.3080
• 5 日多空收益 +10.72%
• 还会看正 IC 月份占比和 IC 标准差来评价稳定性

这说明一个好因子不能只看一个 IC 均值，还要同时看：

• 多周期表现
• 多空组合收益
• 稳定性

当前仓库里的对应入口

• 通用分析器: vortex/analysis/analyzer.py
• 研究脚本: scripts/run_factor_test.py

当前支持：

• FactorAnalyzer.ic_report_multi_horizon()
• FactorAnalyzer.long_short_report()
• python scripts/run_factor_test.py --forward-days-list 1,5,20 --ls-horizon 5 --weight-horizon 20

推荐工作流

新增因子后，按下面顺序检查：

1. 算 IC_1d / IC_5d / IC_20d
2. 看 ICIR_20d 和 positive_rate_20d
3. 跑 5 日多空组合
4. 如果通过，再考虑纳入 SCORING_FACTORS
5. 最后再参与权重优化和回测

不要直接纳入策略的情况

• 只有单一 horizon 表现好，其他周期全失效
• IC_mean 为正，但 positive_rate 很低
• IC 看起来高，但多空收益为负
• 与已有核心因子高度相关，无法提供新增信息

推荐命令

python scripts/run_factor_test.py \
  --ic-start 20190101 \
  --ic-end 20260327 \
  --ic-months 60 \
  --forward-days-list 1,5,20,60,120,250 \
  --ls-horizon 5 \
  --weight-horizon 20 \
  --freq SA

如果是半年调仓策略，更推荐至少这样跑一轮：

python scripts/run_factor_test.py \
  --ic-start 20190101 \
  --ic-end 20260327 \
  --ic-months 60 \
  --forward-days-list 20,60,120,250 \
  --ls-horizon 20 \
  --weight-horizon 120 \
  --freq SA

最终输出应至少包含

• 多周期 IC 表
• 5 日多空组合表
• 基于 20d 的权重方案
• 回测对比结果
• 是否纳入策略的结论