截面研究（Cross-Sectional Research）

主线：同一个时点上把许多资产按信号排序，用排序与下一期收益的关系衡量“预测”，再用分位组合回答“持有”；两者回答的是不同的问题。 先修：第8章（回归）、第15章（因子模型与 HAC）、第22章（研究方法论）。完成后你能：在存在并列与缺失的截面上计算名次、百分位与分位桶；区分皮尔逊 IC 与 Rank IC；推出为什么跨日混合相关不等于逐日 IC；构造分位多空组合并计算换手；推出重叠标签下 IC 序列的有效样本数；用 Fama–MacBeth 两步法得到每单位信号的平均收益。

1. 本章目标

读者应能做到：

1. 对一个有并列（ties）和缺失（NaN）的单日截面，手算名次（rank）、百分位（percentile）和 $q$ 分位桶（quantile bucket），并说明每一步的并列规则。
2. 计算每个日期的信息系数（Information Coefficient, IC）与秩信息系数（Rank IC），按时间聚合，用 Newey–West 修正推断；知道总样本相关为什么不能代替逐日 IC。
3. 区分三个时间对象：signal_time（信号形成时点）、trade_time（成交时点）、标签区间（label interval，信号之后才发生的收益测量区间）；用 lead_return 与 forward_label 构造标签，使标签区间不与信号窗口重叠。
4. 构造分位组合、十分位组合与多空组合，写出三种加权方案（等权、市值加权、信号比例加权），并推出信号比例加权的组合收益等于 $\mathrm{IC}\times\sigma_r$。
5. 计算 IC 衰减（IC decay）与换手，说明给定构造模型中信号持续性如何联系预测持续期，并与权重/成本一起影响交易频率。
6. 说出重叠标签在什么条件下使朴素 $t$ 偏大，推出方差膨胀因子（variance inflation factor, VIF），并用 Fama–MacBeth 两步法得到每单位标准化信号的平均收益。

完成标准：给定一张日期×资产的信号表和收益表，能写出研究表的每一列，指出每一列在哪个时点可得，并复算本章第8节的所有数字。

2. 为什么 Quant 需要它

第22章规定了怎样诚实地记录试验。本章给出每一次试验里最常用的度量方式。多因子策略的数据结构几乎总是“很多资产、很多日期”的面板：同一个月末，有数百个资产各自带一个信号值，下个月各自有一个收益。你要回答两个问题：信号高的资产下个月收益是否更高（预测），以及按信号排序持有能赚多少、换手多快（持有）。

两个问题需要不同的工具。预测问题只关心每个日期内资产之间的相对次序，因此应先在日期内部排序，再跨日期汇总；若把所有日期的所有资产直接放进一个相关系数里，市场整体涨跌、信号水平随时间的漂移都会混入，产生与排序能力无关的数字。持有问题需要把排序变成权重、考虑权重在相邻日期的变动（换手）与成本。

本章的逻辑链是：先规定日内排序与并列规则；再用逐日 IC 度量预测，用时间序列汇总推断，并处理重叠标签造成的相关；再把排序变成分位组合，推出 IC 与组合收益的联系；再看给定模型下信号持续性如何联系 IC 衰减，以及权重如何影响换手；最后用 Fama–MacBeth 回归把“每单位信号的平均收益”写成一个带标准误的数。第24–28章的每个因子都会走这条链。

3. 直觉

想象一所学校每个月举行一次考试，每次的科目和难度不同。你想知道“一年级的预习得分”是否预测期末成绩。如果把所有月份的所有学生混在一起算一个相关系数，那些考得简单的月份（所有人分数都高）会和预习分数同样高的月份（比如预习题恰好也简单）重合，造成与学生个体能力无关的相关。正确做法是先在每次考试内部排名，用“这次考试里预习排名靠前的人，期末是否也靠前”做衡量，再把许多次的结论平均起来。这就是逐日 IC。

分位组合对应另一件事：你不需要预测每个学生的具体分数，只需要选出预习排名前 20% 的学生，看他们与后 20% 相比，平均期末成绩高多少。这个高出的部分就是多空收益。它依赖你怎样分组、怎样对组内学生加权，也依赖你每月换多少人。

简化的边界：考试之间的科目不同；金融中共同市场冲击会使同一月份的资产收益横截面相关。跨月份的时间依赖则是另一件事，须另查收益动态、信号持续性与标签重叠等，不能由同月共同冲击直接推出；学生一年后还是同一批人，而资产之间的信号排序会逐月变化，在后文的稳定线性构造中，变化快慢与 IC 持续期相联系。这些在后面各节分别量化。

3.1 先走完一张资产×日期小表

下面是教学构造，收益标签在信号日不可得。信号缺失的资产不进入当日排序；标签缺失的资产仍可有信号百分位，但不能进入该日 IC。A–E 是固定资产标识。

1月有效信号数 $N_{\mathrm{signal},t}=4$，全信号名次 $(1,2,3,4)$，百分位 $(0,1/3,2/3,1)$。以 $q=2$ 的桶公式 $\lfloor2(r-0.5)/4\rfloor+1$ 得 $(1,1,2,2)$。若只作一个并列变式，把C信号改成2，则平均名次 $(1,2.5,2.5,4)$、百分位 $(0,0.5,0.5,1)$、桶 $(1,2,2,2)$；并列组不能为了均匀人数拆开。下文仍用原表C=3。到 IC 评价时，只有 A、C、D 三个配对，$n_{\mathrm{pair},t}=3$；在这三名内部重新排名，信号名次 $(1,2,3)$，标签名次 $(1,3,2)$，均值都是 2，中心化乘积和为 1，两侧平方和都是 2，Rank IC $=1/\sqrt{2\times2}=0.5$。

若先对四名排名，再删 B，信号名次会误用 $(1,3,4)$，与标签名次相关约 0.655；这不是规定的 Rank IC。标签缺失后的配对集合改变了排名问题，不能仅删一个预存名次就结束。

2月有四个配对，但信号常数，IC 为缺失；3月四个配对，Rank IC $=-1$。所以该面板有3个信号日期、逐日期配对数 $(3,4,4)$，却只有 $T_{\mathrm{valid}}=2$ 个有效 IC。时间均值是 $(0.5-1)/2=-0.25$；不可把未定义的2月当作零得到 $-1/6$，也不可把11个配对当作11个独立日期。两个有效日期只演示计算，不能支持稳健的统计结论。

4. 数学基础

记号。 日期 $t=1,\dots,T$ 以月计；资产 $i=1,\dots,N_t$，$N_t=N_{\mathrm{signal},t}$ 是日期 $t$ 有有效信号的资产数，会随日期变化；$n_{\mathrm{pair},t}$ 是信号与标签都有效的配对数，$T_{\mathrm{valid}}$ 是 IC 非缺失的日期数。旧例中的 $n$ 或 $N$ 在单日排序时指有效信号数，在 IC 计算时指有效配对数；$T$ 在时间推断式中须取有效日期数。信号 $s_{i,t}$ 在 signal_time $t$（月末）已知，量纲由信号定义（比率、收益等）。标签 $y_{i,t}$ 是之后某个区间的简单收益，无量纲小数。例如下一个月的标签 $y_{i,t}=R_{i,t+1}$；$h$ 个月的标签 $y_{i,t}=\prod_{k=1}^{h}(1+R_{i,t+k})-1$。截面意味着固定 $t$，对 $i$ 做运算。

日内统计量。 以下 IC 统计量先在配对集合上计算，式中的 $N_t$ 此处取 $n_{\mathrm{pair},t}$，不是仅有信号的名字数。日内样本均值 $\bar s_t=\frac1{N_t}\sum_is_{i,t}$，总体型方差 $\sigma_{s,t}^2=\frac1{N_t}\sum_i(s_{i,t}-\bar s_t)^2$（除以 $N_t$，记 ddof=0）；协方差 $\mathrm{Cov}_t(s,y)=\frac1{N_t}\sum_i(s_{i,t}-\bar s_t)(y_{i,t}-\bar y_t)$。日内皮尔逊相关 $\mathrm{IC}_t=\mathrm{Cov}_t(s,y)/(\sigma_{s,t}\sigma_{y,t})$。

总协方差定律。 把 $T$ 个日期的所有 $(i,t)$ 观测看成一个大样本（每个日期 $N$ 个资产，共 $NT$ 个观测），总体协方差等于“日内协方差的平均”加“日期均值之间的协方差”。这是下一节混合相关问题的基础。

Newey–West。 第22章第4节已给公式；本章用来汇总 $T$ 个月度 IC。$L=0$ 对应独立同分布公式（除数 $T$）。

一阶自回归信号（autoregression of order 1, AR(1)）。 若 $z_{i,t}=\rho z_{i,t-1}+\sqrt{1-\rho^2}\,\epsilon_{i,t}$，$|\rho|<1$，创新 $\epsilon$ 独立同分布、均值0方差1且独立于过去信号，并采用平稳初值（信号均值0、方差1），则 $\mathrm{Var}(z)=1$，$\mathrm{Corr}(z_{i,t},z_{i,t+j})=\rho^{j}$。

条件期望（二元正态）。 若 $(Z,\,r)$ 二元正态，$Z\sim N(0,1)$，$r$ 均值 $\mu_r$、标准差 $\sigma_r$、与 $Z$ 相关系数 $\rho_{\mathrm{IC}}$，则 $\mathbb E[r\mid Z]=\mu_r+\rho_{\mathrm{IC}}\sigma_rZ$；对标准正态 $Z$ 的上尾，$\mathbb E[Z\mid Z>c]=\varphi(c)/(1-\Phi(c))$，$\varphi$ 为标准正态密度。

频率约定：本章用月频；signal_time 是月末；标签从下一个月开始。

5. 正式定义

截面（cross-section）与面板（panel）。 截面是固定日期 $t$ 的资产向量；面板是行为日期、列为资产的表，行索引是 signal_time。缺失只用 NaN 标记；无穷、复数、布尔、文本和 None 一律报错，因为它们要么没有数值意义，要么会被静默当作 0 或 1。

名次（rank）与并列（ties）。 对日期 $t$ 的有效信号（非 NaN），把值升序排列，第 $k$ 小得名次 $k$；$m$ 个值相等时，它们占据名次 $k,\dots,k+m-1$，每个取平均 $k+(m-1)/2$（平均名次）。等价写法：$\mathrm{rank}_i=\#\{j:s_j<s_i\}+\bigl(\#\{j:s_j=s_i\}+1\bigr)/2$。NaN 先被丢弃，不占名次；对有效项排名，NaN 保持缺失。

百分位（percentile）。 有效项个数 $n\ge2$ 时，百分位 $u_i=(\mathrm{rank}_i-1)/(n-1)\in[0,1]$；$n=1$ 时规定为 0.5；若所有值并列，每个都得 0.5。百分位把不同日期不同 $N_t$ 的名次放到同一个尺度。

$q$ 分位桶（quantile bucket）。 令 $\tilde u_i=(\mathrm{rank}_i-\tfrac12)/n\in(0,1)$，桶号 $g_i=\lfloor q\,\tilde u_i\rfloor+1\in\{1,\dots,q\}$，1 号桶信号最低，$q$ 号桶最高。并列值有相同平均名次，因此落在同一个桶；有效项少于 $q$ 个时整行置 NaN，因为会出现空桶。$q=5$ 为五分位，$q=10$ 为十分位（decile）。

信息系数与秩信息系数。 $\mathrm{IC}_t$ 是 $\{s_{i,t}\}_i$ 与 $\{y_{i,t}\}_i$ 在日期 $t$ 的皮尔逊相关；Rank IC（秩信息系数）是两者各自取平均名次后的皮尔逊相关，即斯皮尔曼（Spearman）相关。计算只用两者都有效的配对，名次在配对内部计算。若配对少于3个时按本章最小配对数约定不报告IC（两个非恒定配对数学上仍可得到相关$\pm1$）；任一边为常数则相关无定义。两种情况函数均返回NaN而不是0。

IC 序列、ICIR、命中率。 $\{\mathrm{IC}_t\}_{t=1}^T$ 的均值 $\overline{\mathrm{IC}}$、标准差 $s_{\mathrm{IC}}$（ddof=1）；信息系数信息比率（Information Coefficient Information Ratio, ICIR）$=\overline{\mathrm{IC}}/s_{\mathrm{IC}}$ 是每期的比值，不年化；命中率是 $\mathrm{IC}_t>0$ 的日期占比。ICIR 与第22章的 $t$ 的关系是 $t=\mathrm{ICIR}\cdot\sqrt T$（独立日期）。

IC 衰减（IC decay）与信号衰减（signal decay）。 固定信号 $s_{i,t}$，对 $k=1,2,\dots$ 计算它与领先 $k$ 个月的单期收益 $R_{i,t+k}$ 的 IC，称作 $k$ 的函数，描述信号预测力随期限消失的速度。

分位组合、十分位组合与多空组合。 日期 $t$ 将资产按信号分到 $q$ 个桶；桶内加权方案有三种：等权，市值加权（权重是 signal_time 已知的市值），信号比例加权（权重正比于去均值后的信号）。多空组合（long-short portfolio）买第 $q$ 桶、卖第 1 桶，各腿资金为 1，总暴露（gross）为 2，净暴露（net）为 0。它的“毛收益”不含成本。

换手（turnover）。 本章用两个口径。目标权重换手 $\sum_i|w_{i,t}-w_{i,t-1}|$（买入与卖出合计，不折半，不考虑权重因价格漂移而产生的变化）；成员换手：上期桶内成员中不在本期桶内的比例。前者用于成本估算，后者是理解信号稳定性的直观指标。

重叠标签与有效样本数。 当标签跨 $h>1$ 个月而每个月都产生一个 IC，相邻 IC 共享部分收益月份，称重叠。在平稳且长期方差存在时，用 $n_{\mathrm{eff}}=T/\mathrm{VIF}$ 表示均值方差等效的日期数；净自相关贡献为正时少于 $T$，为负时可以多于 $T$。它不是新增观测数，也不是检验自由度。

Fama–MacBeth 两步法。 第一步，每个日期 $t$ 用资产做一次横截面回归 $y_{i,t}=a_t+b_t\,x_{i,t}+e_{i,t}$；第二步，把 $b_t$ 的时间序列当作数据，求均值与标准误。$x$ 通常是该日期内标准化的信号，$b_t$ 的单位就是“每 1 个标准差信号对应的标签收益”。

面板相依（panel dependence）。 同一日期内资产的收益因共同冲击而相关（时间效应）；同一资产在不同日期的残差因持续特征而相关（资产/公司效应）。Fama–MacBeth 对前者有效，对后者给出偏小的标准误（Petersen 2005）；Newey–West 对时间序列相关做修正，但不处理截面相关的结构。

5.1 三个计数与两个除数约定

排序百分位与分桶先用 $N_{\mathrm{signal},t}$；IC 在配对里重排名，用 $n_{\mathrm{pair},t}$；跨期均值与推断用 $T_{\mathrm{valid}}$。它们都是个数，却数的是不同对象。若日期缺失较集中，汇总还须报告日历跨度、缺失日期及原因；有效日期等权也不是按资产配对数加权。

在某一日期固定 $n=n_{\mathrm{pair},t}\ge3$，令中心化乘积和为 $C$，两侧平方和为 $S_s,S_y>0$。若用同一个截面除数 $n-d$，$d=0$ 或1，则

等号因为分子和分母有相同正因子，相关无量纲；这是协方差与标准差一致取除数时的相消，不表示任意混用除数都没影响。1月名次给 $C=1,S_s=S_y=2$，ddof=0 时 $\mathrm{Cov}=1/3,\sigma=\sqrt{2/3}$；ddof=1 时 $\mathrm{Cov}=1/2,\sigma=1$；两者相关都是0.5。

时间标准差 $s_{\mathrm{IC}}$ 取 ddof=1，用 $(T_{\mathrm{valid}}-1)$ 估计日期波动；普通均值标准误为 $s_{\mathrm{IC}}/\sqrt{T_{\mathrm{valid}}}$。3.1节的两项偏差是 $+0.75,-0.75$，平方和1.125，$s=\sqrt{1.125}=1.06066$，标准误0.75，朴素 $t=-1/3$。这不是用截面配对数开方。

HAC（异方差与自相关稳健，heteroskedasticity and autocorrelation consistent）中的样本自协方差按现有实现统一除以 $T_{\mathrm{valid}}$。所以 $L=0$ 时 $\widehat{\mathrm{Var}}_{\mathrm{NW}}(\bar{\mathrm{IC}})=(T_{\mathrm{valid}}-1)s^2/T_{\mathrm{valid}}^2$，与普通 $s^2/T_{\mathrm{valid}}$ 差一个有限样本因子；上例是0.28125与0.5625。二者估计约定不同，不是相关公式出错。

缺月接口。 ic_series 先取两输入的日期/资产交集，交集之外的缺日不在其返回的缺失计数里，须另查原始日历。ic_summary 先计数并剔除 NaN，再把压缩后的有效 IC 数组传给 newey_west_variance_of_mean；后者直接调用时要求完整的有限数值数组，遇到 NaN 明确抛出 ValueError，不负责剔除缺失。NW 滞后按传入数组的位置计算；3.1节1月与3月因此成为相邻有效项，$L=1$ 指一项间隔，不是一个日历月。收益标签生成器则要求连续月索引，拒绝缺月。先保留 IC 缺失日期并审计原因；若要作“月滞后”的 HAC，不能把压缩序列结果直接改名，须另立连续日期/缺失处理协议或有界完整窗口。不得填零来制造完整 IC。

5.2 财报、信号与成交的五个时钟

以下日期沿用 Project4 构造 P102/FY2013 的事件记录，不是新搜集的真实 PIT 数据。

原10-K版本4月可用；5月20日公开、21日入库的重述只在5月信号起可用。截止比较使用下一月首时刻的严格不等号，不是把未知精度硬改成“月末23:59:59以前”。月收盘标签回答虚拟月末成交的研究问题；真实组合收益要从实际成交价格起算，并连接现金/持仓与公司行动账本。lag 的整月位移不能代替交易日历。

6. 推导

6.1 分位桶的尺寸与并列

没有并列时，名次取遍 $1,\dots,n$，$\tilde u=(r-\tfrac12)/n$ 恰是区间 $(0,1)$ 内以 $1/n$ 为间隔的点 $\tfrac1{2n},\tfrac3{2n},\dots$。桶 $g$ 收纳满足 $(g-1)/q\le\tilde u<g/q$ 的名次，即 $r-\tfrac12\in[(g-1)n/q,\;gn/q)$。一个长度为 $L=n/q$ 的左闭右开区间含单位间隔格点（$\tfrac12,\tfrac32,\dots$）的个数不是 $\lfloor L\rfloor$ 就是 $\lceil L\rceil$，所以各桶人数至多相差 1：$n=10,q=5$ 时每桶 2 个；$n=11,q=5$ 时桶尺寸为 2 或 3。有并列时整组共享平均名次，桶尺寸不再均匀，整行可能出现某个桶为空，这是并列的真实后果，不是代码错误。

6.2 Spearman 相关是名次的皮尔逊相关；无并列时的闭式

$n$ 个无并列资产的名次 $r_i$ 与 $q_i$ 各是 $1,\dots,n$ 的一个排列，所以 $\bar r=\bar q=\tfrac{n+1}{2}$，$\sum_i(r_i-\bar r)^2=\sum_i(q_i-\bar q)^2=\tfrac{n(n^2-1)}{12}$。令 $d_i=r_i-q_i$，则

皮尔逊相关为协方差除以两边平方和的几何平均 $\tfrac{n(n^2-1)}{12}$，所以

这个公式只在无并列时成立；有并列时用平均名次的皮尔逊相关。示例见第 8.3 节。

6.3 为什么混合相关不等于逐日 IC

设每个日期有同样的 $N$ 个资产，把全部 $NT$ 个观测放进一个相关系数。日期 $t$ 的均值 $\bar s_t,\bar y_t$，总均值 $\bar{\bar s},\bar{\bar y}$。总协方差为

推导：对每个观测写 $s_{i,t}-\bar{\bar s}=(s_{i,t}-\bar s_t)+(\bar s_t-\bar{\bar s})$，$y$ 同理，相乘后交叉项在日内求和时为零（因为 $\sum_i(s_{i,t}-\bar s_t)=0$）。第一项只含日内排序信息；第二项是信号的日期水平与收益的日期水平的共动，在金融里就是“信号整体抬高时市场整体也涨”，与资产之间谁更强无关。混合相关把两项相加并除以总方差；逐日 IC 对每个日期先去均值，第二项消失。第 8.4 节给出一个例子，日内全是 $+1$ 与 $-1$（平均 0），混合相关却是 0.89，全部来自第二项。

6.4 信号比例加权的组合收益等于 $\mathrm{IC}\times\sigma_r$

设日期 $t$ 的信号在日内标准化：$z_i=(s_i-\bar s)/\sigma_s$（总体型标准差），所以 $\bar z=0$，$\frac1N\sum z_i^2=1$。取权重 $w_i=z_i/N$（净暴露 0）。组合收益

第二个等号用 $\sum_iz_i=0$，第三个等号用协方差定义，第四个用 $\sigma_z=1$。所以：信号比例加权的组合当期收益等于当日 IC 乘以当日收益的截面离散度 $\sigma_{y,t}$。这个恒等式没有假设正态。它把“预测”（IC）与“持有”（收益）连在一起：同样的 IC，在收益离散度大的日子，赚得更多。这个组合的毛暴露是 $\frac1N\sum_i|z_i|$，信号服从正态时约为 0.80；把全部权重乘以 $2\big/\bigl(\frac1N\sum_i|z_i|\bigr)$ 就得到毛暴露 2 的版本，组合收益按同一倍数放大。

6.5 二元正态下分位多空的期望收益

在 4 节的二元正态假设下，$\mathbb E[y\mid z]=\mu_y+\mathrm{IC}\,\sigma_yz$。取上尾 $1/q$ 的桶：$z>c_q$，$c_q=\Phi^{-1}(1-1/q)$。桶内平均收益 $\mu_y+\mathrm{IC}\,\sigma_y\,\mathbb E[z\mid z>c_q]=\mu_y+\mathrm{IC}\,\sigma_y\cdot q\,\varphi(c_q)$；下尾桶对称取负。所以

数值：$q=5$：$c=0.8416$，$\varphi=0.2800$，$q\varphi=1.400$；$q=10$：$c=1.2816$，$\varphi=0.1755$，$q\varphi=1.755$；$q=3$：$q\varphi=1.091$。取 $\mathrm{IC}=0.05$、$\sigma_y=8\%$：五分位多空约 $2\times0.05\times0.08\times1.400=1.12\%$ 每月，十分位约 $1.40\%$ 每月。在这个静态模型中，更细分位增大多空期望，也减少每桶资产、增大单桶均值的抽样噪声；信噪比要同时比较均值与标准误，不能仅凭桶数判定方向。换手还取决于信号动态与排名/权重规则，静态公式不给出换手结论。这个推导依赖二元正态；重尾和非线性使它只是量级参考。

6.6 Fama–MacBeth：每期回归、再跨期平均

日期 $t$ 的回归 $y_{i,t}=a_t+b_tz_{i,t}+e_{i,t}$ 的普通最小二乘（Ordinary Least Squares, OLS）斜率为

与 6.4 节的组合收益相同，所以每期的 Fama–MacBeth 斜率就是信号比例加权的组合收益。第二步：$\bar b=\frac1T\sum\hat b_t$，$\mathrm{se}(\bar b)=s_b/\sqrt T$（独立期）。Petersen（2005，式 (8)(9)）给出这一估计与方差公式，并说明它假定各期系数独立。若 $\hat b_t$ 序列相关，本课程改用 Newey–West 推断；这是本教材的设计选择，Petersen 的稿件没有给出这一推荐，他另外检验了对一阶自相关作调整的 Fama–MacBeth 标准误，并指出存在持续的公司效应时它们仍偏小。

与 IC 的差别：$\overline{\mathrm{IC}}$ 对每个月等权，$\bar b$ 对每个月按 $\sigma_{y,t}$ 加权（离散度大的月份更重）。所以两者的 $t$ 不同，没有谁对谁错：IC 回答“排序是否有信息”，FM 斜率回答“每单位信号平均赚多少收益”。第 11 节真实行业数据给出 $t$ 分别是 4.99（IC）与 3.35（FM 斜率）。

6.7 给定构造模型下的 IC 衰减与信号持续性

构造设定：下期收益 $y_{i,t+1}=\beta z_{i,t}+\epsilon$，信号 $z$ 是 AR(1)，系数 $\rho$，$\epsilon$ 与过去信号独立。则 $z_{i,t}$ 与 $k$ 个月之后的收益 $y_{i,t+k}=\beta z_{i,t+k-1}+\epsilon$ 的协方差是 $\beta\rho^{k-1}$（信号自相关），所以

当 $0<\rho<1$，本构造的信号/IC半衰期 $\ln(0.5)/\ln\rho$，即从领先 1 期起算 IC 减半所需的月数（减半发生在领先期 $k=1+\ln(0.5)/\ln\rho$）：$\rho=0.85$ 时 4.27 个月（$k\approx5.27$）；$\rho=0.9$ 时 6.58 个月（$k\approx7.58$）。在此稳定线性预测模型中，高持续性使 IC 衰减慢；若排序与权重规则稳定，也可能降低换手。真实预测机制、排名穿越、宇宙变动与成本会改变这条关系，不能只由信号自相关决定可交易持有期。

6.8 重叠标签与 IC 序列的自相关

设信号是 AR(1)（系数 $\rho$），日期 $t$ 的 $h$ 个月标签 $S_{i,t}=\sum_{k=1}^{h}R_{i,t+k}$，收益在零假设下独立同分布、方差 $\sigma^2$、与信号无关。IC 的主要部分是 $\mathrm{IC}_t\approx\frac1{N\sqrt h\sigma}\sum_iz_{i,t}S_{i,t}$（$z$ 已标准化；这是大截面近似：日内均值的抽样波动是高阶小量，分母的样本标准差以总体值 $\sigma_z=1$、$\sigma_S=\sqrt h\sigma$ 代替）。对 $0<j<h$，

只有同一资产项不为零（不同资产的信号与收益在零假设下独立），重叠的月份数是 $h-j$；而 $\mathrm{Var}(\mathrm{IC}_t)=1/N$。所以自相关为

有限 $T$ 的平稳序列均值方差为

滞后 $j$ 有 $T-j$ 对，所以有 $1-j/T$；平稳性使协方差只取决于滞后。下面的 VIF 略去该计数因子，是 $T$ 相对 $h$ 很大时的长期方差近似，

极限：$\rho=0$（信号不持续）时 $\mathrm{VIF}=1$，朴素 $t$ 没有问题；$\rho=1$ 时 $\mathrm{VIF}=h$，$n_{\mathrm{eff}}=T/h$。在上述零世界、大截面、独立资产和独立月收益构造下，重叠标签与信号持续性共同产生该项相关。其他生成机制中，序列相关收益、共同冲击与时变截面/缺失选择也可能产生 IC 相依；此式不能证明信号持续性是所有模型里唯一的来源。例：$\rho=0.85$，$h=3$：$\mathrm{VIF}=1+2(0.85\times\tfrac23+0.7225\times\tfrac13)=2.615$，$T=120$ 个月的长期近似 $n_{\mathrm{eff}}=45.9$；朴素 $t$ 被高估为 $\sqrt{2.615}=1.62$ 倍。有限120期保留配对数因子：

等效日期约46.20。这里“精确”只针对已给定自相关近似模型的有限期计数，不是有限截面真实IC的精确分布。

若同一模型改为 $\rho=-0.5,h=3$，长期 $\mathrm{VIF}=1+2[-0.5(2/3)+0.25(1/3)]=0.5$，有限120期为0.50278，等效日期约238.67，大于120；负相关在均值中抵消波动，朴素标准误在此反而偏大。$\rho=1$ 是信号完全持续的边界极限：长期VIF为 $h$，有限期仍须保留 $1-j/T$。因此 $T/h$ 不能作为普遍的有效日期公式。

Newey–West 的 Bartlett 权重取 $(1-j/(L+1))$，$L=h-1$ 时是 $(1-j/h)$。它乘在估计出来的自协方差上，而这些自协方差已经含 $\rho^j(1-j/h)$ 的结构，权重把它再下调一次：在本构造的非负持续系数下，长期总体意义下只恢复

$\rho=0.85,h=3$ 时 $\mathrm{VIF}_{\mathrm{NW}}=1.916$，低于模型长期VIF的 2.615，$t$ 因此仍被高估约 $\sqrt{2.615/1.916}=1.17$ 倍。即使 $\rho=1$ 也一样：模型长期 $\mathrm{VIF}=h$，Newey–West 只恢复 $(2h^2+1)/(3h)$（$h=3$ 时 2.11，$h=12$ 时 8.03）。这是固定截断长度下核权重的总体差异（对正自协方差下调权重），不是抽样误差；本章有限样本模拟显示拒绝率仍偏高（第 10、12 节模拟）。权重全取 1 的截断估计在总体意义下没有这个偏差，但样本估计不保证为正。所以对重叠标签，本章优先用不重叠样本，或同时报告两种口径。

7. 金融解释

IC 是关联信息，不是收益。 报告“平均IC=0.05”指逐日期IC的时间均值为0.05，并不要求每月等于0.05；单个 $\mathrm{IC}_t$ 仍是某一日期的截面相关。Pearson IC 用原始量的线性关联，Rank IC 才把两侧都变成次序。按 6.4 节，$R_p=\mathrm{IC}\cdot\sigma_y$：$\sigma_y=8\%$、IC=0.05 的月度收益是 0.4%（净暴露 0、毛暴露约 0.8 的 $z/N$ 组合）。它是毛收益；成本、容量、融资都未计入。本章的数值只来自构造面板和 10 个行业组合，不对任何市场的“典型 IC”作出陈述。

预测与持有之间隔着权重规则。 同一条 IC 序列可以对应截然不同的组合：十分位等权多空（只用排序，对离群值不敏感）、市值加权五分位（集中于大资产，容量大但噪声大）、信号比例加权（用到信号强度，对重尾信号很敏感）。第 11 节与第 13 节的构造例显示三者的毛收益与 $t$ 相差明显，所以“因子有效”必须同时说清权重规则。

信号持续性参与交易方式选择。 在预测方向与结构稳定的条件下，高持续性支持考察低频再平衡；短期信号应比较更快调仓的收益增量与成本。IC衰减曲线描述样本中不同领先期的关联；可交易持有期还须按实际权重、持有与成本检验，换手用于量化相应费用。

逐日处理的经济含义。 同一天内先排序再汇总，保证了你比较的是同一时点、同一宏观背景下的资产。市场整体涨跌（第一个月估值升、下个月市场涨）不会被当作信号能力。这对应第28章要强调的“同日截面变换”。

7.1 在同一个面板上看四个不同问题

沿用8.4节两日期、各四资产的手算面板：A的信号 $(1,2,3,4)$、收益 $(0.10,0.12,0.14,0.16)$；B的信号 $(11,12,13,14)$、收益 $(0.26,0.24,0.22,0.20)$。日期均值从 $(2.5,0.13)$ 升到 $(12.5,0.23)$，但日期内方向由正变负。

标准化用同一配对集、总体型标准差，带截距单信号 OLS 才有6.6节恒等式。多信号回归的偏斜率、Rank IC 或另一个筛选宇宙不继承它。各日 $z=(-1.342,-0.447,0.447,1.342)$，$w=z/4$，gross $G=\sum|w|=0.89443$；若改为 gross=2，缩放倍数 $2/G=\sqrt5=2.236$，两日毛收益变成 $\pm0.05$。这些权重按同一个参考资金基数计量，净权重和为0，gross=2不表示资金基数为2。

再减去成本才能谈净收益（net return）：$R_{\mathrm{net}}=R_{\mathrm{gross}}-c\sum_i|\Delta w_i|$ 是本章目标权重费用代理，$c$ 为每单位买卖总额的费率；漂移、实际成交额、融资/借券/滑点要在执行账本另算。若两日期未缩放毛收益相消、假定每期代理费用0.001，则净均值为 $-0.001$。IC 均值0也不能告诉你这些费用；正 IC 更不能直接等于成本后 Alpha（相对已规定风险模型与基准的剩余收益）。

8. 数值例题：手算每一步

所有数字由本章 CLI 的 hand_examples() 产生，并在 qa/a5/claude/recompute/ch23_recompute.py 里用不同的实现独立复核。

8.1 并列与缺失下的名次、百分位

8.2 分位桶

$n=10$ 个无并列值（$1,\allowbreak \dots,\allowbreak 10$），$q=5$：$\tilde u=(r-0.5)/10$，$5\tilde u=0.25,\allowbreak 0.75,\allowbreak 1.25,\allowbreak \dots$，桶号 $\lfloor\cdot\rfloor+1=(1,\allowbreak 1,\allowbreak 2,\allowbreak 2,\allowbreak 3,\allowbreak 3,\allowbreak 4,\allowbreak 4,\allowbreak 5,\allowbreak 5)$。含并列：$x=(1,\allowbreak 2,\allowbreak 2,\allowbreak 2,\allowbreak 5,\allowbreak 6,\allowbreak 7,\allowbreak 8)$，$n=8,\allowbreak q=4$：平均名次 $(1,\allowbreak 3,\allowbreak 3,\allowbreak 3,\allowbreak 5,\allowbreak 6,\allowbreak 7,\allowbreak 8)$，$\tilde u=(r-0.5)/8=(0.0625,\allowbreak 0.3125,\allowbreak 0.3125,\allowbreak 0.3125,\allowbreak 0.5625,\allowbreak 0.6875,\allowbreak 0.8125,\allowbreak 0.9375)$，$4\tilde u=(0.25,\allowbreak 1.25,\allowbreak 1.25,\allowbreak 1.25,\allowbreak 2.25,\allowbreak 2.75,\allowbreak 3.25,\allowbreak 3.75)$，桶号 $(1,\allowbreak 2,\allowbreak 2,\allowbreak 2,\allowbreak 3,\allowbreak 3,\allowbreak 4,\allowbreak 4)$：三个并列值一起进入 2 号桶，所以 2 号桶有 3 个、其余桶 1、2、2 个。

8.3 皮尔逊 IC 与 Rank IC：一个离群值

某日 6 个资产：信号 $s=(1,2,3,4,5,20)$，下期收益 $y=(0.02,\,0.01,\,0.04,\,0.03,\,0.06,\,-0.05)$。$\bar s=5.833$，$\bar y=0.01833$；$\sum(s-\bar s)(y-\bar y)=-1.0617$，$\sum(s-\bar s)^2=250.83$，$\sum(y-\bar y)^2=0.007083$，皮尔逊 IC $=-1.0617/\sqrt{250.83\times0.007083}=-0.796$。名次：信号名次 $1,\dots,6$；收益名次 $(3,2,5,4,6,1)$（把 $y$ 从小到大排：$-0.05$ 为 1，0.01 为 2，0.02 为 3，0.03 为 4，0.04 为 5，0.06 为 6，再按资产原来的顺序读出）；$d=(-2,0,-2,0,-1,5)$，$\sum d^2=34$，Rank IC $=1-6\times34/(6\times35)=0.0286$。一个离群的信号值（20）把皮尔逊 IC 从“排序几乎无信息”拖到 $-0.80$；Rank IC 只看次序，约 0.03。哪个更合适取决于信号与收益的关系是否线性、离群值是否有意义；本章对重尾信号默认用 Rank IC。

8.4 混合相关与逐日 IC

两个日期，各 4 个资产。日期 A：$s=(1,2,3,4)$，$y=(0.10,0.12,0.14,0.16)$，日内 $\mathrm{IC}=+1$。日期 B：$s=(11,12,13,14)$，$y=(0.26,0.24,0.22,0.20)$，日内 $\mathrm{IC}=-1$（日内信号越高收益越低）。逐日 IC 平均为 0。混合：8 个点的 $\bar s=7.5$，$\bar y=0.18$；$\sum(s-\bar s)(y-\bar y)=1.10+0.90=2.00$（A 的 1.10 与 B 的 0.90），$\sum(s-\bar s)^2=210$，$\sum(y-\bar y)^2=0.024$，混合相关 $=2.00/\sqrt{210\times0.024}=0.891$。分解（协方差都除以样本数：日内除以 $N=4$，混合除以 $NT=8$）：日内协方差 A 为 $0.10/4=0.025$，B 为 $-0.025$，平均为 0；日期均值协方差 $\tfrac12[(2.5-7.5)(0.13-0.18)+(12.5-7.5)(0.23-0.18)]=\tfrac12(0.25+0.25)=0.25$。混合协方差 $2.00/8=0.25$ 全部来自第二项：B 日期的信号水平更高、收益水平也更高。

8.5 五分位多空与换手

8.6 $z/N$ 组合的收益等于 $\mathrm{IC}\times\sigma_r$

5 个资产：$s=(2,4,6,8,10)$，$y=(0.01,0.00,0.03,0.02,0.04)$。$\bar s=6$，$\sigma_s=\sqrt{40/5}=2.828$，$z=(-1.414,-0.707,0,0.707,1.414)$。$R_p=\frac15\sum z_iy_i=\frac15(-0.01414+0+0+0.01414+0.05657)=0.011314$。皮尔逊 $\mathrm{IC}=\sum(s-\bar s)(y-\bar y)/\sqrt{\sum(s-\bar s)^2\sum(y-\bar y)^2}=0.16/\sqrt{40\times0.001}=0.8$；$\sigma_y=\sqrt{0.001/5}=0.014142$；$\mathrm{IC}\times\sigma_y=0.011314$。两者一致。

8.7 Fama–MacBeth 的三期手算

3 个日期，4 个资产。日期 1：$s=(1,2,3,4)$，$y=(0.01,0.02,0.04,0.05)$，$\sum(s-\bar s)(y-\bar y)=0.07$，$\sum(s-\bar s)^2=5$，$\hat b_1=0.014$。日期 2：$s=(4,3,2,1)$，$y=(0.02,0.02,0.01,0.00)$：$0.035/5=0.007$。日期 3：$s=(1,3,2,4)$，$y=(0.00,0.03,0.02,0.04)$：$0.065/5=0.013$。均值 $\bar b=0.011333$；偏差 $(0.002667,-0.004333,0.001667)$，平方和 $2.867\times10^{-5}$，$s_b=\sqrt{2.867\times10^{-5}/2}=0.003786$，$\mathrm{se}=0.003786/\sqrt3=0.002186$，$t=5.18$。仅 3 期，$t$ 的自由度是 2，这个数只演示机械步骤，不用于推断。

8.8 重叠标签的有效样本数

$\rho=0.85$、$h=3$：$\mathrm{VIF}=2.615$，$T=120$，$n_{\mathrm{eff}}=45.9$；朴素 $t=3.0$ 修正为 $3.0/\sqrt{2.615}=1.86$。$\rho=1$ 的极端情形 $n_{\mathrm{eff}}=T/h=40$。

9. Python 实现

核心在 factor_research.py，月频动量窗口在 factor_signals.py。必须区分三类时间依赖：同日排名、百分位和分桶只用第 $t$ 行；formation_return等形成期特征使用截止前允许的历史窗口，改变未来输入不应改写过去信号；lead_return与forward_label作为事后评价标签有意使用未来收益。标签不能作为信号日特征输入；标签含未来是测量对象的定义，不等于预测特征可以前视。

月度标签的成交假设。 在单月例（lead_return 的 $k=1$，或 forward_label 的 horizon=1, lag=0）中，把第 $t+1$ 行月收益贴到 $t$；其他期限按接口指定的未来区间取值或复利。月收益从上月末收盘价起算；若真实成交发生在下一个月的第一个可交易时点，月收益的第一段已经发生在成交之前。所以只有月收盘数据时，这个标签只能说是“月末收盘成交假设下的研究代理”，不是可执行的成交收益；有开盘价或成交价时，应从成交价起算标签。lag 是整月的执行延迟，不是日内成交模型。第22–28章的月度结果都按这个口径理解（French 行业例另外是修订后的聚合收益，不是成交序列）。

并列、缺失与排序规则一次集中说明。(1) 并列取平均名次，不按列顺序打破；(2) NaN 先丢弃再排名；(3) Rank IC 在“信号与标签都有效”的配对内部排名；(4) 常数或不足三个配对的日期 IC 为 NaN，不是 0；(5) 缺月的收益面板不允许用 shift 跨缺口；(6) 分位桶按日期单独计算，不用整个面板的分位点。

代码段一：名次、百分位、桶与手算值核对（对应 8.1–8.2 节）。

import numpy as np

from quant_course.factor_research import percentile_cross_section, quantile_bucket, rank_cross_section

x = np.array([3, 1, np.nan, 3, 2, 7, 5, 5])
np.testing.assert_allclose(rank_cross_section(x), [3.5, 1, np.nan, 3.5, 2, 7, 5.5, 5.5])
np.testing.assert_allclose(percentile_cross_section(x), [5 / 12, 0, np.nan, 5 / 12, 1 / 6, 1, 0.75, 0.75])
np.testing.assert_array_equal(quantile_bucket(np.arange(1.0, 11.0), 5), [1, 1, 2, 2, 3, 3, 4, 4, 5, 5])
np.testing.assert_array_equal(quantile_bucket([1, 2, 2, 2, 5, 6, 7, 8], 4), [1, 2, 2, 2, 3, 3, 4, 4])
# the bucket of a tied value does not depend on the order of the columns
shuffled = quantile_bucket([7, 2, 5, 2, 8, 1, 2, 6], 4)
np.testing.assert_array_equal(shuffled, [4, 2, 3, 2, 4, 1, 2, 3])
print(rank_cross_section(x))

代码段二：皮尔逊 IC 与 Rank IC（8.3 节），混合相关与逐日 IC（8.4 节）。

import numpy as np
import pandas as pd

from quant_course.factor_research import ic_series, information_coefficient

s = np.array([1, 2, 3, 4, 5, 20.0]); y = np.array([0.02, 0.01, 0.04, 0.03, 0.06, -0.05])
assert abs(information_coefficient(s, y, method="pearson") - (-0.79648)) < 1e-5
assert abs(information_coefficient(s, y, method="spearman") - 1 / 35) < 1e-12       # 1 - 6*34/(6*35)

idx = pd.period_range("2020-01", periods=2, freq="M")
signal = pd.DataFrame([[1, 2, 3, 4.0], [11, 12, 13, 14.0]], index=idx, columns=list("abcd"))
label = pd.DataFrame([[0.10, 0.12, 0.14, 0.16], [0.26, 0.24, 0.22, 0.20]], index=idx, columns=list("abcd"))
per_date = ic_series(signal, label, method="pearson")["ic"]
pooled = np.corrcoef(signal.to_numpy().ravel(), label.to_numpy().ravel())[0, 1]
np.testing.assert_allclose(per_date, [1.0, -1.0])
assert abs(per_date.mean()) < 1e-12 and abs(pooled - 0.89087) < 1e-5
print(per_date.round(3).tolist(), round(pooled, 4))

代码段三：五分位多空、权重、换手与成本（8.5 节）。

import numpy as np
import pandas as pd

from quant_course.factor_research import (
    bucket_membership_turnover, bucket_returns, quantile_long_short_weights, target_turnover,
)

idx = pd.period_range("2020-01", periods=2, freq="M")
cols = list("abcdefghij")
signal = pd.DataFrame([[5, 3, 9, 1, 7, 2, 10, 4, 8, 6.0], [5, 4, 9, 1, 6, 3, 10, 2, 7, 8.0]], index=idx, columns=cols)
label = pd.DataFrame([[.02, .01, .05, -.01, .03, .00, .06, .01, .04, .02],
                      [.01, .02, .03, -.02, .02, .01, .03, .00, .04, .05]], index=idx, columns=cols)
buckets = bucket_returns(signal, label, 5)
np.testing.assert_allclose(buckets["LS"], [0.060, 0.040])
w = quantile_long_short_weights(signal, 5)
assert w.sum(axis=1).abs().max() < 1e-12 and np.allclose(w.abs().sum(axis=1), 2.0)
turnover = target_turnover(w)
assert abs(turnover.iloc[1] - 1.0) < 1e-12
np.testing.assert_allclose(bucket_membership_turnover(signal, 5).iloc[1], 0.0)             # top bucket unchanged
np.testing.assert_allclose(bucket_membership_turnover(signal, 5, bucket=1).iloc[1], 0.5)   # bottom bucket: 1 of 2 replaced
net_second = buckets["LS"].iloc[1] - 0.0010 * turnover.iloc[1]                              # 10 bp per unit of weight traded
assert abs(net_second - 0.039) < 1e-12
print(buckets.round(4))

代码段四：$z/N$ 恒等式（8.6 节）与 Fama–MacBeth 三期手算（8.7 节）。

import numpy as np
import pandas as pd

from quant_course.factor_research import fama_macbeth

s = np.array([2, 4, 6, 8, 10.0]); y = np.array([0.01, 0.00, 0.03, 0.02, 0.04])
z = (s - s.mean()) / s.std(ddof=0)
assert abs((z * y).sum() / 5 - np.corrcoef(s, y)[0, 1] * y.std(ddof=0)) < 1e-15            # R_p = IC * sigma_y
assert abs(np.corrcoef(s, y)[0, 1] - 0.8) < 1e-12

idx = pd.period_range("2020-01", periods=3, freq="M")
cols = list("abcd")
signal = pd.DataFrame([[1, 2, 3, 4.0], [4, 3, 2, 1.0], [1, 3, 2, 4.0]], index=idx, columns=cols)
label = pd.DataFrame([[.01, .02, .04, .05], [.02, .02, .01, .00], [.00, .03, .02, .04]], index=idx, columns=cols)
fm = fama_macbeth(label, {"signal": signal}, min_extra_obs=0)
np.testing.assert_allclose(fm.slopes["signal"], [0.014, 0.007, 0.013])
row = fm.summary.loc["signal"]
assert abs(row["mean"] - 0.011333333) < 1e-8 and abs(row["se_naive"] - 0.0021858) < 1e-6 and abs(row["t_naive"] - 5.185) < 1e-3
print(fm.slopes.round(4).T)

代码段五：标签构造与“改未来不改过去”（signal_time 与标签区间分开）。

import numpy as np
import pandas as pd

from quant_course.factor_research import factor_rank, forward_label, lead_return
from quant_course.factor_signals import formation_return

rng = np.random.default_rng(3)
idx = pd.period_range("2015-01", periods=40, freq="M")
returns = pd.DataFrame(rng.normal(0.01, 0.05, (40, 12)), index=idx, columns=[f"S{i:02d}" for i in range(12)])
signal = factor_rank(formation_return(returns, window=11, skip=1))        # 12-1 percentile signal, row s uses months <= s-1
label = forward_label(returns, horizon=1)                                 # label[s] = return of month s+1
np.testing.assert_allclose(label.iloc[0], returns.iloc[1])
np.testing.assert_allclose(lead_return(returns, 2).iloc[0], returns.iloc[2])
assert label.iloc[-1].isna().all()                                        # no label until the future arrives

shocked = returns.copy(); shocked.iloc[30:] = 0.5                         # change months from 30 on
signal2 = factor_rank(formation_return(shocked, window=11, skip=1))
pd.testing.assert_frame_equal(signal.iloc[:31], signal2.iloc[:31])        # signals up to month 30 cannot see months >= 30
print(signal.iloc[11:13].round(2))

关于代码段五：改动 30 月起的收益，信号行 0 至 30 不变。第 30 行用月份 $19,\dots,29$（跳过第 30 月），所以 12-1 的跳月恰好保证该月的收益尚未进入信号；这正是“没有多或少 shift 一个月”的检验。

默认离线入口。 在随书 I3 读者包根目录运行：

.venv/bin/python run_notebook.py notebooks/ch23_cross_sectional_research.ipynb

默认 RUN_FRENCH=False。Notebook 展示名次/并列、IC、混合相关、多空/换手、$z/N$、FM、300资产×180月构造面板、日期水平演示，以及 $h=1,3,6,12$ 的解析VIF；不执行第10节600次重叠模拟。只创建章级 RUN_DIR，不写CSV/PNG或生成历史图库。运行器另建 runs/execution_ch23_cross_sectional_research_<uuid>/，保存执行副本与状态。历史完整CLI code/ch23_cross_sectional_research.py 含French和重叠模拟，不能作为默认离线命令；下列历史种子和数值沿用既有实验，不要求重新执行。 CLI 种子：构造面板 20261023，混合相关演示 20261024，重叠标签模拟 20261025（$\rho=0.85$）与 20261026（$\rho=0$）。数据频率月；signal_time 月末；标签是此后月份的收益；French 快照是已修订历史，不是时点版本。

10. 图形解读

图 23-1：构造面板的 IC 衰减与十分位收益。 构造面板 $N=300$ 个资产、180 个月，信号为自相关系数 0.85 的重尾 AR(1)，下期收益 $=\beta\cdot$信号（$\beta=0.004$）加市场项与重尾噪声。左图横轴是领先期 $k$（信号月末之后第 $k$ 个月的单期收益），纵轴是平均 Rank IC，竖线是 ±2 倍标准误；橙色虚线以首期样本Rank IC作起点乘 $0.85^{k-1}$，借用6.7节线性模型的Pearson IC衰减形状作量级参考；它不是重尾、有限截面Rank IC的精确衰减定理。读法：测量值在这条参考曲线附近，远端略高但在误差棒内。右图是十分位等权的下月平均收益（% 每月），从第 1 到第 10 桶基本单调上升。构造数据，机制演示。