1.细分因子相关性分析
原理：
因子相关性可由 pearson 和 spearman方法计算得出。除了普通的相关性分
析之外，因子的IC值整体变化方向的表现对相关性也具有一定的说明性。若细
分因子的IC值整体变化方向一致，则说明细分因子之间存在显著相关性。
计算：
Pearson相关系数计算公式：
x和y是截面的因子暴露向量，cov(x,y)是截面数据x和y的相关系数，ẟ
x
和ẟ
y
分
别是x和y的标准差。
Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关
分析。
其相关系数计算与Pearson相关系数计算是一致的，区别在于Spearman不是
直接使用个股因子暴露向量，而是先对个股因子暴露进行排序，取因子的排
序值代替因子暴露，进行相关系数计算。
