核心概念辨析

截面 vs 时序、IC 与 ICIR、因子中性化、未来函数、复权——五个贯穿系统设计的核心概念。

以下五个概念构成本系统绝大多数设计决策的理论依据。

截面 vs 时序

时序（time-series）：沿单只标的的历史方向看。「这只股票过去 20 天的波动率」是时序量。

截面（cross-section）：沿同一天的全市场方向看。「今天这只股票的因子值，在全市场排第几」是截面量。

Alpha101 几乎都以 rank 收尾，所以它本质是截面问题：每天给全市场打分排序，而不是盯单只标的等突破。这直接决定了回测引擎为什么用矩阵驱动而非事件驱动。

衡量一个因子「好不好」的核心指标：

IC（Information Coefficient）：当期因子值与未来收益的截面秩相关系数。IC = 0.05 意味着因子排名与未来收益排名存在微弱正相关；在量化实践中，稳定在 0.03~0.05 已属可用水平。

ICIR：IC 的均值 / IC 的标准差，衡量预测能力的稳定性。IC 波动大甚至变号的因子，实用价值远低于 IC 绝对值不高但稳定的因子。

本系统以 IC / ICIR 作为因子筛选与加权的核心指标（factor_selector.py / factor_combiner.py）。计算 IC 时需将当期因子值与未来收益对齐，该操作一旦处理不当，即引入下文所述的未来函数问题。

原始因子里常混进我们不想要的暴露——最典型是行业和市值。比如某因子在科技股上系统性偏高，那它的「信号」可能只是「这是科技股」。

中性化就是把这些已知暴露剥掉：indneutralize(x, IndClass) 在每个行业内对因子值做截面去均值，让剩下的才是因子真正的 Alpha。本系统的行业中性化已补全（commit 3a46f0f），市值中性化与因子正交化仍在路线图上。

用了「在当时根本拿不到」的信息——这是回测最致命、也最隐蔽的作弊。

例子：用 T 日的收盘价算因子，又用它去决定 T 日开盘的交易。现实里 T 日开盘时你还不知道 T 日收盘价。回测里这么干，净值会好看得不真实。

本系统用物理隔离杜绝它：

回测 _shift_signals 在截面维度对每个标的做 shift(1)，保证 T 日信号只用 T-1 及更早的数据；

实盘天然在收盘后才跑当天的信号。

这就是第一条不变量。彻底消灭未来函数还需要 Point-in-Time 财务快照（路线图 #21）。

股票存在除权除息与拆股事件。同一标的在除权日前后的价格尺度不一致，未经复权直接计算 returns 会产生虚假的巨幅跳空。

前复权 / 后复权 / 不复权会给因子计算带来不同影响：算 returns、delta、滚动统计时，必须用复权后连续的价格序列，否则除权日会污染所有时序因子。

实务上，需在数据接入与预处理阶段统一复权口径，并保持回测与实盘一致——One Codebase 原则的又一体现。

相关问题的实际案例，见问题复盘。