我做的一次量化实验里，遇到一件挺反直觉的事。
同一个 ATR 突破因子，连续版的 IC 只有 0.07，IC_IR 0.188，离 0.5 的及格线差了一大截，按教科书早该被毙掉。但换成离散版 0/1 信号去跑分类检验，Precision 61.86%，Lift +5.42ppt，事件研究 T+10 收益 +3.14%、p < 10⁻³⁷——同一个因子，前后两副面孔。
如果只看 IC，这个因子早就被丢进废纸篓了。
这就是为什么因子验证不能只用一招。统计学家有一句老话：每个工具都只在自己擅长的问题上有效。把 IC、PRF、事件研究、Spearman 冗余拼成一套组合拳，才能把因子的”真本事”摸清楚。我跑过的 ATR 因子恰好能作为案例，拆开这四件套各自在看什么、什么时候该信哪一个。
四件套各自的分工，可以一图概括：
ADF 是体检，IC 和 PRF 是单兵能力测试（一个测幅度、一个测事件），事件研究是收益持续性的”X 光片”，Spearman 是组队能力评估。这五项里，前四项问”这因子单独够不够强”，最后一项问”它放进队伍是不是替补”。
连续路径：IC 在问的是”方向感”
IC（Information Coefficient）的物理意义就一句话：因子值的高低，能不能跟未来收益的高低对得上号。它本质上是一个截面 Spearman 秩相关——每个截面（比如每个月的全部标的），按因子值排个序，再按未来 10 日收益排个序，看两个序列像不像。
在跑 IC 之前，我还顺手做了一件事：五分位分组回测。把全部样本按 atr_ratio 从低到高切成 5 组，看每组未来 10 日的平均收益。教科书级”好因子”应该呈现单调阶梯——Q1 到 Q5 收益递增，多空组合（Long Q5 / Short Q1）有正超额。
我跑出来的结果完全不是这样：Q1 +2.30%、Q2 +2.58%、Q3 +2.38%、Q4 +1.36%、Q5 +1.28%。波动越平静的反而收益越高，多空组合 Q5-Q1 = -1.01%，简单年化 -12.8%，Sharpe -0.44。这一步直接给我泼了第一盆冷水——按连续幅度走，这因子是反向信号，不是顺向信号。
但我没急着丢掉它。分组回测和 IC 都是连续路径的工具，它们一起说”幅度信息无效”是一致的，但没有说”事件无效”。这给了切到离散路径的理由。
我喜欢这么形容：IC 在问”这个因子对收益的方向感强不强”，PRF 在问”这个因子触发后真涨的频率比平均高多少”。一个看排序，一个看命中率，根本不是同一个问题。
先做平稳性体检
跑 IC 之前要先过 ADF 检验，确认序列平稳。这一步是为了排除”伪相关”——两个都在持续漂移的非平稳序列摆在一起，相关系数会虚高。
我这次的 atr_ratio 是个比率型变量，天然近似平稳。ADF 跑出来统计量 -7.90，p = 4.15×10⁻¹²，远超 0.05 的门槛，体检通过。
IC 不达标，但有意思的事情发生了
5 年左右的月度 IC 在三个持有期呈现出以下结果：
| 持有期 | IC 均值 | IC_IR | 阈值 ≥ 0.5 |
|---|---|---|---|
| 5D | +0.068 | 0.174 | 不达标 |
| 10D | +0.070 | 0.188 | 不达标 |
| 20D | +0.013 | 0.037 | 几乎为零 |
10D 是最高期，IC 也才 0.07。IC_IR（IC 均值除以 IC 标准差，相当于”方向感的稳定性”）只有 0.188，离学术圈和业界普遍接受的 0.5 差了快三倍。
更诡异的是，全样本（不分月度，把所有点池在一起）跑 Spearman ρ，结果是 -0.063，p = 0.34——方向反了，而且不显著。
月度 IC 是正的，全样本 ρ 是负的。两个看似都在量”相关性”的指标打起架了。
我第一次看到这个分歧时，心想这因子真的废了。但停下来想想，月度 IC 是”每个时段内的截面排名相关”，全样本 ρ 是”跨所有时点的绝对值相关”，两者衡量的根本不是同一件事。方向打架恰好是个量化预警信号：这个因子在某些市场状态下有效、在另一些时段效果归零，时间段依赖很强。
具体一点说：牛市里”波动加速”往往伴随上涨，熊市里”波动加速”反而是恐慌下跌前兆。把所有市场状态的样本混在一起，正负效应彼此抵消，全样本 ρ 自然就接近零、甚至翻号。月度 IC 之所以为正，是因为它把每个月当成一个”市场状态相对稳定的小样本”——只有同一状态内的排序一致性才会被记录到。
这种分歧不是 bug，是市场结构本身告诉我们：单凭幅度本身预测不了未来，但幅度加上”现在处于什么状态”——这是一个二维问题，IC 这种一维相关系数捕捉不到。
四维判定，连续路径不及格
把上面这些指标合在一起，连续路径的判定框架就出来了：
| 维度 | 指标 | 标准 | 判定 |
|---|---|---|---|
| ADF 平稳性 | p = 4.15×10⁻¹² | p < 0.05 | 通过 |
| IC 方向 | +0.070（10D） | IC > 0 | 正向 |
| IC_IR 稳定性 | 0.188 | ≥ 0.5 | 不达标 |
| 全样本 ρ 同向 | -0.063 | 与 IC 同向 | 分歧 |
两过两不过。说明因子设计有合理性，但幅度信息本身不稳定——atr_ratio 大小没法线性地预测收益方向。
如果只到这一步收手，这个因子就废了。但我还有一招没用：把连续值砍成 0/1 离散信号，看看”触发/不触发”这个二元事件能不能跑出来。
离散路径：PRF 是另一套问题
切到离散路径之前，先解释清楚为什么连续不行的因子，离散版有可能行。
连续版 atr_ratio 衡量的是”波动加速的幅度”，假设了”幅度越大，未来收益越高”这种线性关系。如果实际世界是”波动突破到一定阈值后才有效，没到阈值时是噪声”——那线性假设就崩了。
把因子改成 ATR14[t] > SMA(ATR14, 3)[t-1]，0 或 1，问题立刻变了：不再问”幅度多大”，而是问”突破事件本身有没有预测力”。阈值化的本质是过滤掉无效区间，只保留强信号时段。
PRF（Precision、Recall、F1）就是为这种”事件预测”准备的。
把分类指标讲人话
| 指标 | 公式 | 大白话 |
|---|---|---|
| Precision | TP / (TP + FP) | 信号触发那天真涨的比例 |
| Recall | TP / (TP + FN) | 真涨的日子里，信号触发覆盖了多少 |
| Lift | Precision − 同期基线上涨率 | 信号到底比”闭眼买”强多少个百分点 |
| F1 | 2·P·R / (P + R) | Precision 和 Recall 的综合分 |
这里最容易被忽略的是 Lift。光看 Precision 61.86% 没意义——如果整体上涨概率本来就 80%，那 61% 反而是负超额。Lift 是把”基线”扣掉之后的真实超额，是信号有没有 alpha 的最干净刻画。
跑出来的数
| 持有期 N | Precision | 基线 | Lift | Recall | F1 |
|---|---|---|---|---|---|
| 1 | 54.7% | 52.9% | +1.8 | 22.3% | 0.317 |
| 5 | 58.2% | 54.5% | +3.7 | 22.7% | 0.327 |
| 10 ★ | 61.9% | 56.4% | +5.4 | 22.7% | 0.333 |
| 60 | 72.7% | 62.2% | +10.5 | 22.1% | 0.339 |
Precision 随持有期单调递增，Lift 也跟着抬。N=10 是我选的主 horizon：1623 个事件样本，Lift +5.4ppt，Precision 比基线 56.44% 高出近 6 个百分点。
注意一个细节：N=1 时 Precision 54.7%、基线 52.9%，Lift 只有 +1.8——基本没超。这告诉我们 ATR 突破不是个隔日就兑现的短线信号，它捕捉的是趋势加速，需要给到 5-10 天的窗口才能展开。
Recall 一直卡在 22% 左右，这是另一个关键信号：单凭 ATR 突破，会漏掉大约 77% 的实际上涨机会。这意味着这个因子不能单兵作战，它得配一支队伍。
这里要插一句关于 Lift 的”陷阱”。我见过不少初学者拿着 Precision 80% 的指标兴奋地说”这因子准爆了”，结果一查基线——同期市场上涨率本来就 78%。换言之，这个因子比闭眼乱买强不到 2 个百分点，再扣手续费就没了。只看 Precision 是看不到信号真实价值的，必须把基线从天花板上扯下来一起看。这一点也是为什么 PRF 检验里基线那一栏不能省。
同一个因子，IC 不及格、PRF 通过
连续路径不达标 + 离散路径过线，这就是同一个 ATR 因子前后两副面孔的来源。我第一次看到 IC=0.07 想直接放弃，是 PRF 把这个因子救回来的。
教训是：因子验证不能一招打天下。幅度有没有预测力、事件触发有没有预测力，这是两个独立的问题，得分别问。把这两个问题混在一起，就会出现”因子明明有效，但 IC 报告说它废了”这种荒诞场面。
事件研究：触发之后到底涨多少
PRF 告诉我”信号触发的那批日子，比平均更可能涨”。但还有一个问题没回答：真正涨的时候，涨多少？
事件研究就是干这个的。把每次信号触发的那一天当作 t=0，往后看 T+1、T+5、T+10、T+20 的累计平均收益，再做 t 检验看是不是显著大于零。
| 持有期 | 均值收益 | 胜率 | t 值 | p 值 |
|---|---|---|---|---|
| T+1 | +0.43% | 54.65% | +5.9 | < 10⁻⁸ |
| T+5 | +1.74% | 58.20% | +10.8 | < 10⁻¹⁸ |
| T+10 ★ | +3.14% | 61.86% | +13.1 | < 10⁻³⁷ |
| T+20 | +4.73% | 60.17% | +12.8 | < 10⁻³⁷ |
两个观察。
第一个，收益单调递增。从 T+1 到 T+20，均值收益一路爬升。这说明 ATR 突破捕捉的是一段持续数周的趋势加速，不是一闪而过的噪声。如果是噪声事件，T+5 应该比 T+1 更弱才对——单调性本身就是因子有”持续效应”的最直接证据。
第二个，p 值低到离谱。p < 10⁻³⁷ 是什么概念？意思是”这个结果在 5 年样本中由纯随机产生的概率，比你连续中 30 次彩票还低”。
但这里有个陷阱我必须说清楚：统计显著 ≠ alpha。这一句话顶得上读三本量化书。
p < 10⁻³⁷ 只能告诉你”这个结果不是偶然”，但不能直接换算成”我能赚到这么多”。原因有几个：
- 事件研究算的是信号触发那批日子的平均收益，不扣交易成本（佣金 + 滑点 + 冲击）
- 它也不考虑资金流转——你不可能每个信号都满仓买入
- 更不考虑信号之间的叠加效应——同一天可能多只票一起触发，仓位怎么分
事件研究是因子价值的”上限刻画”，告诉你”如果一切完美，最多能赚多少”。真正能不能落到 alpha，得等回测时把成本压上去再看。我之前一篇文章里讲过的那个 Sharpe 从 1.74 砍到 1.04 的审计故事，本质上就是把事件研究的”理想收益”逐步往真实成本上贴的过程。
但在这一阶段，事件研究通过验证已经够了：它证明 ATR 突破信号触发后，市场确实给出了一段可观察、可统计、有持续性的正收益。下一步就该问：这个因子和别的因子是不是在重复说同一句话？
Spearman 冗余：八个因子里有几个重影
到目前为止，我手里的 8 个候选因子分别落在趋势、动量、量能、波动率四个维度。每一个都各自跑了 ADF + IC + PRF + 事件研究，单兵能力都过关。
但单因子过关 != 组合可用。两个因子如果说的是同一件事，叠加在一起就是重复计数——两根均线靠得太近，等于只有一根；两个量能指标同涨同跌，等于只有一个。重复计数的危害不是”多余”那么轻飘，它会让你误以为同一个证据被多次确认，从而给一个本来风险很大的位置过分加杠杆。
Spearman 矩阵就是用来识别这种”重影”的。我把 8 个因子两两算秩相关，得到一个 8×8 的对称矩阵。
读这张矩阵有三个关键发现。
第一个红框警报：ma50 ↔ align = 0.72。两个都是趋势层因子，相关性突破 0.7 阈值，必须二选一。我留下了 ma50（年线站稳更直观），删掉了 align（多头排列虽然漂亮但跟 ma50 高度重合）。
第二个橙框预警：atr ↔ vol>k = 0.49。这是 ATR 因子在矩阵里相关性最高的对手。0.49 没破 0.7 红线，但接近 0.5，说明波动率和量能在某种程度上在讲一件事——量增的时候波动也会大。我的处理是：允许两者同时在组合里，但要给较低权重，不能让它俩”同票数”压过别的维度。
第三个观察是反向的：macd 和 vol↑ 几乎跟所有人独立（最大相关都在 0.1 以下）。这说明它们带来的是真正的独立信息——加进组合的边际价值很高。
在多因子设计里有一条经验法则：信息独立性比单因子强度更值钱。一个能力中等但信息独立的因子，比一个能力强但跟主力高度冗余的因子有用得多。这是经验上反直觉的一条——很多人会反复强化”最强的那个因子”，结果做出来的组合像一支只有前锋的球队。
我做这一步的时候，还顺手把”同层留 1 个”的去重原则跑了一遍。趋势层的 ma50/ma250/align/macd 四个，留 ma50 和 macd（前者代表均线趋势，后者代表动量拐点，互不重叠）。量能层的 vol↑ 和 vol>k 各保留——它俩 ρ=0.22，可接受。
顺便提一个容易忽略的细节：Spearman ρ 是基于秩的，不受异常值影响。这跟 Pearson 相关系数不同，后者会被极端值拉飞。在金融数据里，财报日、跳空缺口都可能制造极端值，用 Pearson 跑相关矩阵经常会出现”看着很高，剔除三个异常点就归零”的伪信号。Spearman 在这件事上更稳。
冗余检验完事，ATR 顺利上车。
标准化报告：让每个因子都说人话
四件套跑完，怎么把结果攒成可复用的东西？我给每个因子定了一份标准化的验证报告，长这样：
Factor Validation Report — atr_break_mean_short
Layer : Volatility / Timing
Signal Type : Discrete (0/1)
[A] Stationarity (ADF)
ADF Stat: -7.8996 p-value: 4.15e-12
PASS — Stationary
[B] Continuous Path — Spearman IC
IC_5D : 0.068 IC_10D: 0.070 IC_20D: 0.013
IC_IR : 0.188 (best)
FAIL — IC_IR below 0.5 → switch to discrete
[C] Discrete Path — PRF (N=10)
Base: 56.44% Precision: 61.86%
Lift: +5.42 ppt Recall: 22.74% F1: 0.333
PASS — Lift > 0
[D] Event Return Analysis
T+1 : +0.43% (t=5.9, p<1e-8)
T+5 : +1.74% (t=10.8, p<1e-18)
T+10: +3.14% (t=13.1, p<1e-37) <-- primary
T+20: +4.73% (t=12.8, p<1e-37)
[E] Redundancy (Spearman ρ, top correlations)
vol>k: 0.49 ma250: 0.48 ma50: 0.38
Acceptable — no overlap above 0.7
STATUS: VERIFIED → Approved for combination phase每一栏的作用我归到一张表里方便后续翻：
| 模块 | 作用 | 不通过怎么办 |
|---|---|---|
| [A] ADF | 排除非平稳序列伪相关 | 重新设计因子，做差分或归一 |
| [B] IC_IR | 测连续幅度的预测力 | 切到离散路径，不直接放弃 |
| [C] PRF | 测离散信号比随机选股强多少 | Lift ≤ 0 直接淘汰 |
| [D] 事件 | 测信号触发后收益的持续性 | p > 0.05 淘汰；p < 0.05 但收益小则备选 |
| [E] 冗余 | 测因子带来的独立信息 | |ρ| > 0.7 同层去重 |
这份报告的好处是全员同一张卷子——8 个候选因子每个跑一遍同模板，最后能直接 diff 优劣，不会出现”这个因子用了 IC、那个用了 PRF”的不公平比较。
我把 8 份报告挂在一个目录里，每跑一个新因子就追加一份。这种结构有个隐性好处：半年后回头看，因子的衰减情况一目了然——同一个因子两次报告对照一下，IC、Lift 哪一项滑坡了，哪一项还稳得住，因子是死了还是只是”换姿势了”，都能判断。
因子使用规范：会用比验证更难
报告通过不等于因子能直接用。真正落地前，还要明确它的使用边界。
不单用。Recall 22.74% 意味着 ATR 单独触发只能覆盖大约四分之一的实际上涨机会，剩下三分之二会被错过。把它当主入场信号会踏空大量行情。正确姿势是当作”波动率确认层”——趋势 + 动量 + 量能三个维度都过线之后，最后用 ATR 突破做一次”波动正在加速”的确认。
不短线。N=1 时 Precision 54.7%、基线 52.9%，Lift 只有 +1.8，几乎没超。隔日操作里 ATR 信号被噪声淹没，得等到 N=5 之后才看出超额。这个因子是给波段策略（持仓 2-12 周）用的，不是日内。日内策略往往要的是反应速度，不是趋势确认；用波段因子做日内，等于让长跑选手去跑百米。
不盲目迁移。我这次的样本是美股科技/AI 主题股票，2 年日频。这种行情事件驱动性强（财报、发布会扎堆），ATR 突破跟基本面催化相互呼应，因子在这个池子里特别成立。但换池就要重跑——港股 T+1、A 股涨跌停、期货保证金，每一项都会让阈值的最优值发生位移。
第三条尤其容易翻车。因子验证里最容易犯的错误，不是数据没跑对，而是把一个池子的结论当成宇宙真理。每个因子都有自己的”生境”，离开它就死——见过有人拿美股的均线参数直接套到 A 股，结果连跌一年才意识到 A 股开盘集合竞价的结构性特征已经把信号扭曲了。
Top 5 信号组合里，ATR 出现了 4 次
把 8 个验证过的因子两两组合，按 F1 + Lift + Precision + 事件 T+5 收益 - Spearman 冗余惩罚算个综合分，得到 Top 5 入场组合：
| 排名 | 综合分 | 趋势 | 动量 | 量能 | 波动率 |
|---|---|---|---|---|---|
| 1 | 11.42 | ma250 | hi3m | vol↑ + vol>k | atr_break ★ |
| 2 | 10.86 | ma_align | hi3m | vol↑ + vol>k | atr_break ★ |
| 3 | 10.84 | ma50 | hi3m | vol↑ + vol>k | atr_break ★ |
| 4 | 10.05 | macd | hi3m | vol↑ + vol>k | atr_break ★ |
| 5 | 9.24 | ma250 | hi3m | vol↑ + vol>k | （无 ATR） |
ATR 出现在 4/5 组合，Rank 5 去掉它之后综合分从 10.84 直接掉到 9.24，差了 1.6 个绝对分。这一掉分坐实了”波动率确认层”的增量价值——不是可有可无的装饰品，而是组合里实打实多出一个维度的独立信息。
回到开头那个反直觉问题：为什么连续版 IC=0.07 不及格，离散版 PRF 漂亮通过？
不是这两个工具谁错了，是它们在量不同的东西。IC 量幅度的线性预测力，PRF 量阈值事件的命中率，市场的真实结构如果是”突破阈值之后才有效”，那 IC 必然不及格、PRF 必然通过——两套结果都对，都在讲真话，只是讲的是因子的不同侧面。
这背后还有一条更一般的写法：每一种统计工具都内置了一个隐含假设。IC 假设线性单调、PRF 假设事件可二值化、事件研究假设触发可对齐到时间轴、Spearman 假设可秩相关。你用工具之前要先问”我相信这个假设吗”，如果答案是不相信，再漂亮的统计量也是错觉。
四件套的真正价值不是”四个数都达标就发车”，而是它们提供了四个不同的视角去拷问同一个因子——任何单一视角失灵的时候，剩下三个能给你提示。这就是组合拳的意义。
参考与延伸
- 系列前文：《把交易直觉变成可计算的因子：5 层框架与 ATR 案例》
- IC 与 IC_IR 阈值的来源：Grinold & Kahn《Active Portfolio Management》
- Lift 与 Precision 在量化里的应用：De Prado《Advances in Financial Machine Learning》第 3 章
- 事件研究方法论：MacKinlay《Event Studies in Economics and Finance》
- Spearman 冗余阈值经验：业界普遍以 0.7 为高度冗余红线，0.5 为中度警戒