IC是因子分析的重要指标，是 Information Coefficient 的缩写。IC 代表了预测值和实现值之间的相关性， 通常用以评价预测能力。 取值在-1到1之间， 绝对值越大， 表示预测能力越好。
IC 的计算， 一般有两种方法， normal IC 与 rank IC。
现在更多的人选择用rank IC来代替普通的IC，这是因为普通的IC求相关系数有一个前提条件，就是数据要服从正态分布，但金融类数据往往并不如此，所以现在更多人采用秩相关系数也就是rank IC来判断因子的有效性。
1、Normal IC
IC（Information coefficient 信息系数)的定义：t期的因子载荷（因子值）和t 1期的因子收益之间的相关系数。
举个例子：
因子：Variance20 20日收益方差
股票池：000001.XSHE(平安银行)、000002.XSHE(万科A)、000060.XSHE(中金岭南)、000063.XSHE(中兴通讯)、000069.XSHE(华侨城A)
日期：2018年1月2日
| 股票代妈 |
因子值 |
下期股票收益 |
| 000001.XSHE |
0.120140 |
-0.0267 |
| 000002.XSHE |
0.105666 |
-0.0070 |
| 000060.XSHE |
0.07945 |
-0.0547 |
| 000063.XSHE |
0.237343 |
0.0269 |
| 000069.XSHE |
0.134598 |
0.0057 |
(注：下期股票收益为股票下一交易日的涨幅)
可以求IC得两个必要条件就是求到因子值和下一期的股票收益，我们对这两列求相关系数就可以得到该因子在当前股票池范围内的IC值，值为0.7520（由于上表中的股票池极少，导致了求得的IC值比较高）。我们对每一天都求一个IC值就可以得到IC值得时间序列图，如下图所示：
从图中可以看到单日IC值得波动是比较大的，所以在图中提供了IC的月度移动平均线作为参考，而因子的有效性也是通过IC值均值来判断，当IC值均值大于0.03，可以说该因子是有效因子。
注：当样本股票过少时，IC是没有统计意义的，在对因子做有效性分析时，要保证至少有100只股票，IC才有意义。
2、Rank IC
rank IC和IC唯一的不同点就是在求相关系数时，换成秩相关系数，即：
rank IC： t 期的因子载荷（因子值）的排序值和 t 1 期的因子收益的排序值之间的相关系数。
举个例子：
| 股票代妈 |
因子值 |
因子值排名 |
下期股票收益 |
下期股票收益排名 |
| 000001.XSHE |
0.120140 |
3 |
-0.0267 |
2 |
| 000002.XSHE |
0.105666 |
2 |
-0.0070 |
3 |
| 000060.XSHE |
0.07945 |
1 |
-0.0547 |
1 |
| 000063.XSHE |
0.237343 |
5 |
0.0269 |
5 |
| 000069.XSHE |
0.134598 |
4 |
0.0057 |
4 |
(注：下期股票收益为股票下一交易日的涨幅)
IC值是对因子值和下期股票收益求相关系数，而rank IC值是对因子值排名和下期股票收益排名求相关系数，值为0.8999。
现在更多的人选择用rank IC来代替普通的IC，这是因为普通的IC求相关系数有一个前提条件，就是数据要服从正态分布，但金融类数据往往并不如此，所以现在更多人采用秩相关系数也就是rank IC来判断因子的有效性。
