最近把策略加入IC , IR的驗證
IC（Information Coefficient）和 IR（Information Ratio）
- IC：衡量預測值與實際報酬之間的相關性。
- IR：衡量整體預測穩定性，也就是平均IC與其波動的比值。
1. Information Coefficient (IC)
- 定義：某段時間內，模型預測的信號值（如因子得分）與未來實際報酬之間的相關係數。
- 常用：Pearson 或 Spearman correlation（Spearman 更常用，因排序穩定）
- 範圍：[-1, 1]
- 越接近 1：預測越準確
- 接近 0：預測沒用
- 接近 -1：預測反著來比較準
舉例：模型預測A股>報酬、B股<報酬，結果真的A漲B跌 → IC接近1。
2. Information Ratio (IR)
- 定義：平均 IC 除以 IC 的標準差
- 公式：
IR=E[IC]std(IC)IR = \frac{E[IC]}{std(IC)}IR=std(IC)E[IC] - 用途：衡量模型穩定性。
- 高 IR：代表你不只偶爾猜對，而是常常準確預測。
- 低 IR：代表你有時準有時不準，結果不穩定。
總結比喻：
- IC 像是「一次考試考幾分」（準不準）
- IR 像是「整學期平均成績穩不穩」（穩不穩定）
為什麼要算IC IR
因為一個模型不能單單看回測報酬率
更重要的是我想看commit驅動策略的因子
就是commit到底對價格有沒有影響
影響強嗎? IC多少
IC穩定嗎?IR多少
所以就來實現了
以下是目前比較好的回測結果
回測了1117天
✅ 一、收益表現：非常優秀
- 總報酬：596.82%（遠高於 Buy & Hold 的 243.95%）
- 年化報酬：114.29% → 遠超多數策略、也高於常見對沖基金水準（10~30%）
- 最終資本：69681.88 USD（代表本金約 10,000）
🔎 評論：
在經過手續費扣除後仍能有將近 6 倍的報酬，表示策略獲利來源扎實，有 alpha。
⚠️ 二、風險控制：中等偏高
- 最大回撤：-42.22%
- 屬於「略高風險區」；雖可接受，但在實盤中壓力大
- 與高年化報酬形成高風險高報酬結構
🔎 評論：
策略回撤可能集中在某幾筆失誤上，建議檢查單筆損失情況，是否有 stop-loss 或風控機制。
✅ 三、風險調整報酬：穩定且具吸引力
- Sharpe Ratio：2.24
- Sortino Ratio：2.97
- 均為非常優秀的水準（>2 一般認為是專業水準）
🔎 評論：
表示該策略不只是高報酬，也很穩定地創造報酬，回報/波動表現強勁。
🟡 四、交易頻率與風格：低頻長線
- 總交易次數：11 筆
- 勝率：72.73%（= 8 勝 3 負）
- 平均持倉：60.45 天
- 日頻率：0.0098 trades/day ≈ 1 筆 / 102 天
🔎 評論：
明顯是「低頻率 + 波段型」策略，每次押注後有良好報酬。這樣策略適合實盤、對滑價敏感度低，但也代表樣本太少，統計顯著性有限。
🧠 五、IC / IR 評估：中等偏好，但仍需注意樣本數
- IC = 0.0735 → 還不錯的水準（>0.05 即有預測力）
- IR = 0.4058 → 穩定性偏弱，表示 IC 變動大
🔎 評論：
表示策略的「預測信號」具有一定 alpha，但表現不夠穩定，有時準、有時差 → 如果能穩定信號品質，IR 可提升到 0.7 以上。
所以目前看起來策略是可行的 但是不夠穩定
最後看一下這策略1117天的報酬曲線跟買賣點
可以發現主要在於他躲過2022-09之後的一波大跌並在2023左右上車跟上漲幅
又在2023-09左右空手觀望直到2024-01上車跟上漲幅到接近山頂又開始空手
避開2024-05一波大跌並再次跟上一波漲幅 不過也有一波大跌沒避開
後來在2025-01避開一波大跌然後在2025-05起漲上車跟上漲幅
看起來是一個低頻的波段交易策略參考看看囉
https://github.com/skywalker0803r/Crypto_Selection_Strategy_Based_on_Developer_Activity
以上是程式碼
