Un analyste quant m'a posé la question de façon très directe : « ton signal a un IC de 0,12, tu le gardes ou tu le jettes ? » J'ai mis deux secondes à répondre. Deux secondes de trop. Parce que la vraie réponse, celle que je donne maintenant après avoir fait l'erreur dans les deux sens, c'est : ça dépend entièrement de la fréquence et de la stabilité, pas de la valeur seule.
L'information coefficient est probablement la statistique la plus mal utilisée en finance quantitative. Tout le monde connaît la formule, peu de gens savent la lire. On la sort comme un trophée (« regarde, mon IC moyen est à 0,08 ») alors qu'elle ne dit rien, absolument rien, sans son écart-type et son horizon temporel.
Je vais vous expliquer pourquoi, formule complète à l'appui, et surtout ce que personne ne vous dit sur les seuils.
Points clés à retenir
- L'information coefficient mesure la corrélation entre rendements prédits et rendements réalisés, à un instant donné sur un univers d'actifs.
- Sa valeur seule ne veut rien dire : il faut la moyenne et la volatilité de l'IC dans le temps.
- Un IC moyen de 0,05 répété sur 200 périodes bat un IC de 0,30 observé une fois.
- Spearman (rang) est presque toujours préférable à Pearson pour ce calcul.
- Le ratio d'information de l'IC (moyenne / écart-type) est la vraie statistique de décision.
L'information coefficient, définition qui tient debout
Prenons un instant t. Vous avez un univers de N actifs — des actions, des futures, des paires de devises, peu importe. Pour chaque actif, votre modèle produit un score. Ce score peut être une prévision de rendement, un z-score de facteur, un signal composite. Sur la période suivante (le fameux « horizon forward » h), chaque actif réalise un rendement effectif.
L'information coefficient, c'est la corrélation entre les deux séries. Les N scores prédits d'un côté, les N rendements réalisés de l'autre. Une seule corrélation, calculée sur la coupe transversale, à cet instant précis.
La formule de l'IC (Pearson)
La voici, en clair, parce qu'aucune page que j'ai lue ne la donne complète :
IC = cov(scorei, ri) / (σscore × σr)
Où i va de 1 à N. Covariance entre score et rendement réalisé, divisée par le produit des écarts-types. Rien de plus. C'est le coefficient de corrélation de Pearson classique, appliqué à deux vecteurs de taille N.
Et c'est justement là que le bât blesse. Pearson suppose des distributions à peu près symétriques et des variances homogènes. Sur des rendements financiers, c'est faux presque par construction — queues épaisses, asymétrie, et z-scores qui écrasent artificiellement les extrêmes.
Pourquoi je suis passé à Spearman il y a quatre ans
Sur mon premier moteur de facteurs, je calculais tout en Pearson. J'obtenais des IC qui sautaient d'un mois à l'autre d'un facteur trois. Je pensais que mon signal était instable.
En réalité, c'était le calcul qui l'était. Un seul actif aberrant (résultat trimestriel surprise, erreur de données) écrasait la covariance et faisait basculer l'IC de +0,09 à +0,28. J'ai rebasculé tous mes calculs sur Spearman — corrélation des rangs — et la volatilité de mes IC a chuté de 40 % sans que je touche au signal lui-même.
Spearman transforme les valeurs en rangs avant de corréler. Un outlier reste un outlier de rang, il ne déforme plus la corrélation. Le fait que la formule de référence dans les cours CFA soit donnée en Pearson ne change rien à ce constat pratique : pour mesurer un signal, on mesure son ordre, pas son amplitude.
Comment lire un IC : le ratio d'information change tout
Un IC isolé, c'est un thermomètre qu'on lit une fois. Ce qui compte, c'est la série.
Vous calculez votre IC à chaque période : chaque jour, chaque semaine, chaque mois selon votre horizon. Vous obtenez une série temporelle d'IC. Et sur cette série, deux statistiques comptent :
- La moyenne de l'IC, qui mesure la direction moyenne de votre signal.
- L'écart-type de l'IC, qui mesure sa stabilité.
Le rapport des deux, c'est l'information ratio de l'IC (parfois appelé IC IR). Moyenne divisée par écart-type. Et c'est cette valeur-là qui vous dit si votre signal vaut quelque chose.
Les seuils auxquels je me fie réellement
Il n'existe pas de table officielle. Ce qui suit vient de mon expérience et de discussions avec d'autres quants, pas d'une publication.
| Type de signal | IC moyen visé | IC IR minimum | Interprétation |
|---|---|---|---|
| Intraday, haute fréquence | 0,01 – 0,03 | > 0,15 | Faible IC mais répété des milliers de fois |
| Mensuel, actions | 0,03 – 0,06 | > 0,30 | Le seuil réaliste pour un facteur exploitable |
| Trimestriel, macro | 0,05 – 0,10 | > 0,40 | Peu de points, exige une stabilité forte |
| IC unique isolé | 0,30+ | sans objet | Quasi toujours du bruit ou une fuite de données |
La dernière ligne mérite qu'on s'y attarde. Un IC de 0,30 calculé une seule fois, sur une seule coupe, sans historique derrière — dans mon expérience, c'est un bug 19 fois sur 20. Données du futur qui fuitent, décalage temporel mal appliqué, univers trop petit (avec 20 actifs, une corrélation de 0,30 arrive par hasard régulièrement).
À l'inverse, un signal avec un IC moyen de 0,04 mais un IC IR de 0,45 sur trois ans, ça, ça se trade. J'en ai un comme ça dans mon book depuis 2023. Il ne fait pas rêver sur le papier. Il rapporte.
Information coefficient et transfer coefficient : ne pas confondre
On me pose souvent la question après une conférence, alors autant l'écrire ici. Ces deux-là se ressemblent de nom, et c'est exactement le piège.
Le transfer coefficient, dans le cadre CFA
Le transfer coefficient mesure tout autre chose : la corrélation entre les poids actifs d'un portefeuille et les excès de rendement prévus par le modèle. C'est une mesure d'implémentation, pas de qualité de prévision.
En résumé : vous avez un signal qui prévoit bien (IC élevé). Vous construisez un portefeuille. Mais vos contraintes — limites de position, secteurs bloqués, coûts de transaction, capacité — vous empêchent de pondérer exactement selon le signal. Le transfer coefficient mesure combien de ce signal vous avez réussi à faire passer dans le portefeuille réel.
Un transfer coefficient de 1 signifie que vous avez tradé le signal tel quel. En dessous de 0,5, vous perdez la moitié de votre information en route, quoi que dise votre IC.
J'ai perdu six mois sur ce point, en 2022. Mon signal affichait un IC mensuel de 0,06, très correct. Le portefeuille sous-performait quand même. J'ai mis des semaines à comprendre que mes contraintes de liquidité me faisaient jeter les trois quarts des positions les plus informatives. Mon transfer coefficient effectif devait tourner autour de 0,3.
Un IC brillant avec un mauvais transfer coefficient, c'est un moteur de Formule 1 monté sur une charrette.
Les erreurs que je vois en revue de modèle
Je participe à une revue croisée avec deux autres quants chaque trimestre. Les mêmes erreurs reviennent. Dans l'ordre de fréquence :
- Comparer des IC calculés sur des fréquences différentes sans normaliser. Un IC quotidien de 0,02 n'est pas « moins bon » qu'un IC mensuel de 0,05, il est d'une autre nature.
- Ignorer les valeurs manquantes. Si 20 % de votre univers a un score nul par défaut (donnée absente), la corrélation est faussée vers le bas sans raison.
- Ne pas décaler correctement l'horizon. Le signal calculé sur des données de clôture, corrélé avec un rendement qui commence le même jour, ça s'appelle de la triche, pas de l'alpha.
- Optimiser directement sur l'IC en échantillon. On peut faire grimper un IC à 0,15 en sur-ajustant, et ne rien valoir hors échantillon. Le mien affichait 0,11 en backtest, 0,03 en live.
Combien de périodes faut-il pour juger un IC ?
En dessous de 50 observations, je ne regarde même pas. Entre 50 et 200, je regarde avec méfiance. Au-delà de 200, la série commence à dire quelque chose de solide.
C'est une contrainte dure quand on travaille sur des données trimestrielles : 200 points, ça fait cinquante ans. À moins de tomber dans le piège des données mixtes, on n'y arrive pas. C'est précisément là qu'un test de robustesse hors échantillon, avec découpage temporel strict, remplace l'accumulation de points.
Ce que je regarde en premier, désormais
Quand on me présente un signal, je ne demande plus « il fait combien d'IC ? ». Je demande trois choses, dans cet ordre :
La série d'IC dans le temps, pas la valeur moyenne. Le ratio d'information de cette série. Et le transfer coefficient de l'implémentation réelle.
La valeur de l'IC arrive en quatrième position. Elle m'intéresse, mais elle ne décide rien toute seule. Un signal avec un IC moyen modeste, stable, et un transfer coefficient propre battra systématiquement un signal brillant qu'on ne sait pas implémenter.
La prochaine fois qu'on vous tend un IC de 0,12 en vous demandant si c'est bon, ne répondez pas par un chiffre. Demandez l'écart-type.
