投资要点：
在多因子选股模型中，IC 通常被用于衡量因子对收益率的预测能
力，本文选取较为广泛应用的因子，利用沪深300 成分股和中证500
成分股分析其Rank-IC 在2014 年之后的表现，并总结各自特点。之
后，以Rank-IC 为衡量标准，判断因子的预测能力，其中技术类因
子RSI 和20 日均换手率有较稳定预测能力，动量类的动量指数也是
典型的预测指标，而盈利类因子ROA 和ROE 缺乏稳定性，在样本回
测期间IC 方向反转较为明显，估值类因子的PB 和PE 也具有明显的
预测能力，成长类因子净资产增长率和净利润增长率预测能力较弱，
规模类的总市值对数因子测能力明显，杠杆类因子的资产负债率预
测能力较弱，历史BETA 也具有的预测能力。总体来讲，技术因子和
规模因子在本文测试中预测能力较强，中小市值股票超额收益能力
突出，其中，低换手率个股未来更有可能超额增长。
本文希望通过IC 指标引出因子和预期收益之间的非单调关系，并
探讨可能导致错误结论的问题。IC 的标准是基于因子与预期收益之
间的线性关系，当两者之间的线性关系不明显的时候，模型可能预
测出错误的结果。本文通过分位点将因子划分为10 组，对单个因
子和预期收益在回测区间内的线性关系进行讨论，其中技术类指标
RSI、20 日均换手率和动量指数的单调关系比较明显，通过选取低
分位集合可以有效的产生Alpha。规模类的总市值对数因子单调关
系最为明显，长期来看，是非常良好预测因子。而其他因子对应的
分位平均收益率都存在非单调性，在用该类因子预测的时候，应该
较为谨慎的分析其区间表现。
通过分析因子的Rank-IC 和单调性，本文选取技术类因子和规模类
因子作为主因子，其他非单调因子作为辅助因子构造选股模型。以
2014 年1 月至2015 年12 月作为训练区间，以2016 年1 月至2016
年6 月作为回测区间，分别对沪深300 和中证500 成分股进行选股
回测。结果中，中证500 的表现较为优秀，累计超额收益达到11%，
信息比率为3.53，在完美对冲的前提下，对冲组合的最大回撤为
1.5%。沪深300 组合的表现没有达到预期，其累计超额收益为3.5%，
信息比率为1.11。通过分析可以看到，主要原因在于，在沪深300
成分股中，近半年来市值对数因子和20 日均换手率因子的表现与
历史差异较大，但是其通过历史分析得到的权重过高，导致预测误
差。本文希望在接下来的工作中通过分类器的方法进一步优化选股
方法。
风险提示：模型结果仅代表统计意义上的结论，不能保证未来实现，
希望投资者在实践中结合多方面的信息作出投资决策。
米筐量化交易平台：http://www.ricequant.com
量化炒股QQ群：484490463 群内大神每日在线讲解代码，用Python自动赚钱！