基金贝塔是什么？
说到Beta，就要说一下它的定义了（定义比较学术化，但是非常严谨）： 在上述定义中，我们关心的是策略的Beta，也就是策略的系统风险，用Rm表示 这样策略的风险就分解为两部分，分别为系统风险和异方差性。其中，系统风险由市场共同承担，是无法通过投资组合的方式消除的，因此也叫不可分散风险；而异方差性是由于策略本身的不一致所带来的风险，可以通过投资组合的方式加以消除。这就是我们常说的一句话“策略的贝塔等于策略的信息系数除以策略的相关系数”的来由。
下面我们来简单介绍一下信息系数、相关系数以及Beta系数的计算。 信息系数C_i定义为策略在过去m段时间内的信息量，可以用信息系数衡量策略的好坏 其中rm(t)代表市场上所有资产在时间t的收益率，p代表策略的资产组合，n代表策略中资产的数目，m代表数据窗口的长度。当策略的样本容量足够大时，我们可以认为每个时间段内策略的信息量为0或者1，用来度量策略的信息系数 为了衡量策略间信息量的差异，我们需要计算策略的信息率IR_i： IR_i=\frac{C_i}{T-d_i} 我们希望策略的信息率越大越好。这里T是样本容量，d_i是策略的信息门槛值，通常我们取T=500，并且所有策略的门槛值d_i都相同。只有当策略的样本容量大于门槛值 T 的两倍时，我们才有理由认可该策略的有效性。
接下来我们介绍相关系数 其中rp代表策略的收益率向量，rm代表市场的收益率向量。为了计算的方便，我们将整个数据的时间窗口按照[-K，K]划分，其中K=[(T+1)/2]，然后将每个子窗口内的数据分别做回归，得到每段数据窗中的 r_{ip} 和 r_{mp} 。最后我们求各个子窗口的 r_{ip} 和 r_{mp} 的交叉对应项并按降序排序，找出前k个最大值的坐标对应的证券构成我们的选股策略。值得注意的是，这种按顺序排列的方法能够保证当我们追加新的交易记录时，我们的策略不会变得越来越好。因为如果某支股票之前的记录无法入列，那么无论之后这支股票是否有收益，其信息系数都会为0，因此不会再增加策略的信息率。
接着我们来看最后的Beta系数 其中β_i^*是我们的最优Beta系数，需要根据策略的信息率IR_i和其对应的门槛值 d_i 来计算： 也就是说，对于每一个策略我们都先计算出其信息系数C_i，然后求出相应的信息率IR_i及其门槛值d_i，最终算出该策略的最优Beta系数β_i^*。当且仅当IR_i>IR_threshold 时，策略有效。