論文裡餵給模型的特徵有 133 個，分五類：股價技術指標、成交量指標、基本面指標、風險指標、月營收指標。133 這個數字聽起來很厚實，拆開看是這樣：

技術指標      98 個     乖離率、凹口、RSV、三種均線斜率，加一整排 TA-Lib
成交量指標    16 個
風險指標      11 個     不同天數的夏普值和 beta
月營收指標     5 個     月增、季增、年增、營收驚奇
基本面指標     3 個     本益比、股價淨值比、殖利率

七成是技術指標。這篇要回答的問題是：這 133 個裡面，有多少個真的帶著訊息？ 答案會讓後面的模型設計省很多力氣。

在日頻資料庫上重建六類

論文的特徵是在月頻資料上算的。這次資料庫是日頻，而且多了論文沒有的兩塊——籌碼（Day 10）和財報（Day 9）——所以我沒有照抄 133 個，而是每一類挑代表，一共 48 個，六個家族：

技術    17 個   mom / bias 各 5 個天數、RSV 3 個、RSI、MACD、均線交叉、距 52 週高點
成交量   6 個   量能變化 3 個天數、量比 120 日、Amihud 流動性、量的變異係數
月營收   6 個   單月／三月／十二月 yoy、月增、營收驚奇、加速度（三月 yoy − 十二月 yoy）
估值     3 個   E/P、P/B、殖利率
風險    11 個   波動、夏普、beta 各 3 個天數，60 日最大回落、60 日偏度
籌碼     5 個   外資／投信 5 日與 20 日淨買÷成交量、外資連買天數

每一個都是幾行 pandas。月營收要特別處理「哪天拿得到」——所屬月份的營收，對齊到次月 11 日才進特徵，Day 4 的規矩：

# 所屬月 m 的營收，10 日前申報 → 次月 11 日起才可用
avail = R.copy()
avail.index = (R.index + pd.offsets.MonthBegin(1)) + pd.Timedelta(days=10)
rev_yoy3 = avail.rolling(3).sum() / avail.shift(12).rolling(3).sum() - 1
rev_accel = rev_yoy3 - rev_yoy12                     # 三月 yoy 減十二月 yoy：成長在加速還是減速

風險類的 beta 對加權指數算、成交量類用還原後的量，籌碼照 Day 10 的定義。全部從 2012 年起算，每週抽一天，2013 到 2026 年共 665 週（661 週資料完整）。

怎麼衡量一個特徵有沒有訊息

用資訊係數（IC）：每個抽樣日，把當天所有股票的特徵值和它們之後 20 日的報酬做 Spearman 排名相關。一個特徵在 661 週各有一個 IC，看三個數：

平均 IC      強度。0.05 在單一特徵裡已經算好
IC 勝率      661 週裡 IC 為正的比例。50% 是丟銅板
ICIR         平均 ÷ 標準差。穩定度，0.5 以上很難得

這跟 Day 9 的五分位檢驗看的是同一件事，只是把「最高組減最低組」換成整條排序的相關，比較不會被兩端的極值牽著走。

排行榜

前段班長這樣：

                    平均 IC    勝率    ICIR
60 日波動           −0.078     33%    −0.42    波動低的股票之後比較好
殖利率              +0.064     76%    +0.68
距 52 週高點        +0.058     66%    +0.35    離新高越近越好
E/P（本益比倒數）    +0.047     69%    +0.50
P/B                 −0.045     33%    −0.42
量的變異係數        −0.044     23%    −0.66    量忽大忽小的不好
營收加速度          +0.039     77%    +0.70    最穩的一個
單月營收 yoy        +0.031     69%    +0.47

三件事。

**估值和低波動是最強的兩類。**殖利率、E/P、P/B 三個都在前七名，方向全對（便宜的好）；三個天數的波動全部是 −0.078 左右，低波動的股票之後表現好——這是全球市場都有的現象，台股也不例外。

**營收加速度是最穩的特徵。**強度 0.039 不算最高，但 ICIR 0.70 全場第一，77% 的週為正。「三個月 yoy 減十二個月 yoy」量的是成長在加速還是減速，這個訊號比 yoy 本身乾淨得多——yoy 自己會被基期綁住，加速度把基期消掉了。

動能是負的。20 日報酬的 IC 是 −0.022：台股在 20 日這個尺度是反轉不是動能，最近漲多的之後略差。天數拉到 120 日以上才勉強轉正（120 日 +0.002、240 日 +0.009）。

數量和訊息量剛好相反

家族        這次特徵數    平均 |IC|      論文特徵數
估值            3          0.052            3
風險           11          0.032           11
月營收          6          0.019            5
成交量          6          0.013           16
技術           17          0.012           98
籌碼            5          0.004           —

論文裡佔了 98 個的技術指標，家族平均 |IC| 只有 0.012；佔 3 個的估值，0.052。特徵數量的分布和訊息量的分布剛好倒過來。

技術指標為什麼弱？看排行榜就知道：17 個技術特徵裡只有「距 52 週高點」和「20 日動能（反向）」有一點東西，其他 15 個——各種天數的乖離率、RSV、RSI、MACD、均線交叉——IC 全在 ±0.016 以內，勝率 48% 到 59%，跟丟銅板差不多。它們不是沒用，是彼此太像：乖離率和 RSV 和均線交叉量的都是「價格相對於最近一段的位置」，同一件事算十幾遍，訊息量不會變十幾倍。

籌碼是 0.004，跟 Day 10 的結論一致：跟單沒用。它進來當特徵的理由在下一段。

穩不穩，看累積 IC

把每週的 IC 沿時間累加，斜率是強度、線直不直是穩定度：

殖利率和營收加速度是兩條最直的線——十三年裡幾乎沒有一段是往下走的。60 日波動（反向）斜率最陡，但有幾段明顯的回撤——2018 年底和 2020 年初都看得到：急跌後的 V 型反彈裡，波動最高的股票漲最多，那幾個月低波動因子是輸的。距 52 週高點介於中間。

20 日動能和外資連買天數躺在零附近，那就是 IC 0.01 等級的特徵長的樣子。

48 個特徵其實是幾個

最後看冗餘。把特徵兩兩之間的排名相關算出來，用階層分群：

|ρ| > 0.7 視為同一群    48 → 30 群
|ρ| > 0.5 視為同一群    48 → 19 群

深色方塊集中在技術和風險兩區：相鄰天數的 bias 相關高到 0.85，三個天數的波動彼此 0.80 到 0.93，幾乎是同一個東西；同天數的夏普和 mom 相關 0.93 以上，等於重複算。估值、月營收、籌碼各自獨立成小群，跟技術區的相關最高只有 0.36。

48 個特徵大約是 19 個獨立的訊號。論文的 133 個，用同樣的門檻去併，獨立訊號的個數不會比這多太多——多出來的 81 個技術指標大部分是同一群裡的不同天數。

這決定了模型要怎麼餵

**選特徵不是選 IC 高的，是選獨立的。**估值、低波動、營收加速度、距新高、籌碼——五個家族各自 IC 不高，但彼此不相關，疊起來才是模型的火力。籌碼 IC 只有 0.004，還是留著，因為它跟其他五類的相關趨近零：一個弱但完全獨立的訊號，對樹模型的價值高過一個強但跟現有特徵重複的。

**技術指標要減量。**98 個砍到 5 個左右——留距新高、一個中期動能、一個短期反轉、一個波動位置——訊息量不會少，模型少掉九十幾個彼此打架的維度。

**IC 的絕對值提醒你期望要多低。**最強的單一特徵 IC 是 0.08，「好」的門檻是 0.05。這種強度的東西疊二十個，模型的橫斷面相關能到 0.1 出頭就是好成績。那是什麼概念、要怎麼把它變成報酬，是 Day 13 的事。

小結

**133 個特徵裡七成是技術指標，而技術指標的訊息量最低。**家族平均 |IC|：估值 0.052、風險 0.032、月營收 0.019、成交量 0.013、技術 0.012、籌碼 0.004。數量的分布和訊息量的分布剛好倒過來。

**最強的是估值和低波動，最穩的是營收加速度。**60 日波動 IC −0.078、殖利率 +0.064；營收加速度 ICIR 0.70、77% 的週為正。20 日動能是反轉（−0.022）。

**48 個特徵只有 19 個獨立訊號。**同天數的夏普和動能相關 0.93 以上、相鄰天數的乖離率 0.85，同一件事算十幾遍不會多十幾倍訊息。

選特徵的標準是獨立，不是強度。弱但獨立的訊號疊起來，才是第三幕要蓋的東西。