不是回测引擎，而是给单个因子打综合分的评价 Skill：双 IC + Sharpe + MDD + 单调性 + 换手 → 归一加权主分。
role: skill output: ScoreReport paradigm: pooled cross-section
skill-factor-evaluate 是 PandaAI Quant Skills 提供的因子评价 Skill。给定一个截面信号 [date × symbol]，它输出一份完整体检报告：截面有效性 / 风险调整收益 / 稳健性 / 换手成本，并按归一加权公式给出一个可比的主分。
它不替代项目内的 primary_score() —— 反之，它告诉 AI Agent 永远调项目内的实现，避免另写"近似版"破坏评估口径一致性。
单看一个 IC 数字没法判断因子好不好：
- IC 高但 Sharpe 负 → 经典刷 IC 陷阱
- IC 高但 MDD 巨深 → 实盘必崩
- 整体 IC 平均，但小票 IC=0.08、大票 IC=0 → 容量受限
- IC 漂亮但 Pearson IC 远低于 rank IC → 量级失真
本 Skill 强制覆盖 7 项指标，并给出六联拆解报告：
- rank IC + Pearson IC（双对照）
- IC_IR
- Sharpe + 年化收益 + 最大回撤
- 5/10 分组单调性
- 年化换手率
1. 校验信号契约（截面规模 / 均值 / std / NaN 占比）
2. 算 rank IC + Pearson IC 时序
3. 跑多头回测：T+1 开盘买 Top 10%、等权、双边 15bp、T+1+H 卖
4. 算分组单调性（5 或 10 分位）
5. 算年化换手
6. 套主分公式 → 输出 ScoreReport
score = 0.20 * ic_term # 截面有效性
+ 0.30 * shp_term # Sharpe
+ 0.30 * ret_term # 年化收益
+ 0.20 * mdd_term # 最大回撤
+ 0.10 * mono_term # 单调性
+ 0.10 * turn_term # 换手惩罚
每个分量先归一到 ~[-2, +2]，整体 score 范围也是 ~[-2, +2]。详见 references/primary-score.md。
- 信号：
[date × symbol]浮点 DataFrame，已截面 z-score - 行情面板：含
open/close/high/low/volume - HORIZON：必须等于信号声明的持有期
skill-factor-evaluate/
├── SKILL.md
├── README.md / README.en.md
├── references/
│ ├── metrics.md # 7 项指标算法 + 通用实现
│ ├── dual-ic.md # rank vs Pearson 对照诊断表
│ ├── primary-score.md # 归一加权主分公式 + 调权
│ ├── report-format.md # 标准六联报告模板
│ └── anti-patterns.md # 10 种反模式 + 危险信号
└── agents/
├── openai.yaml
├── cursor-rule.mdc
└── portable-loader.md
把 skill-factor-evaluate/ 放到 Agent 的 skill 目录下。触发词命中（"评价因子 / 给因子打分 / factor score / evaluate factor"）时自动加载。
也可以通过 agents/portable-loader.md 在普通 ChatGPT 里使用。
=== Factor Evaluate Report ===
Factor : f_amihud_20
Horizon : 5d
Period : 2021-12-04 → 2024-12-03 (val, 3.0y)
主分 : +0.4123 (v2 公式)
├─ IC term (0.20) : 0.42 rank_ic_ir=2.1
├─ Shp term (0.30) : 0.85 sharpe=0.85
├─ Ret term (0.30) : 0.62 annual_ret=18.6%
├─ MDD term (0.20) : 0.47 max_dd=-22.3%
├─ Mono (0.10) : 0.78 monotonicity=0.78
└─ Turn pen (0.10) : -0.12 ann_turnover=33.5
诊断指标（不入主分）:
rank IC mean : +0.038
pearson IC mean : +0.029 ← rank > pearson, 量级失真
IC > 0 占比 : 62%
| 仓库 | 用途 |
|---|---|
| skill-factor-mine | 提案单点假设 → 改代码 |
| skill-factor-evaluate（本仓库） | 给改完的因子打分 |
| skill-backtest | 详细回测（净值 / 分组 / 月度热图 / benchmark 对比） |
| skill-ic-analysis | IC 多维诊断（衰减 / 子样本 / Jaccard / 时序） |
| skill-factor-debug | 评分异常时的诊断 |
| skill-factor-review | 因子库整体复盘 |
- 项目状态：Community Project，未经官方审核 / 认证 / 背书
- 数据来源：本仓库不附带任何市场数据。使用者需自行准备行情面板，数据合法性与许可由使用者负责
- 核心假设：T+1 开盘成交、Top 10% 等权、双边 15bp 手续费；A 股涨跌停 / 停牌剔除；HORIZON ∈ (1, 3, 5, 10, 20)
- 已知限制：默认主分公式适用于多头组合中频策略，其它场景需调权（见
references/primary-score.md） - 风险边界：score 仅反映在历史数据 + 假设条件下的统计表现，不代表未来表现
- 用途：仅供量化研究、教育与方法论参考。不构成任何形式的投资建议、交易信号或获利保证
This repository is licensed under the GNU General Public License v3.0. See LICENSE.
Copyright (C) 2026 QuantSkills.
扫码加入 PandaAI 社群，交流 QUANTSKILLS 技能、Agent 工作流与量化研究实践。