传统多因子模型使用因子截面序列与截面超额收益率序列的向量相关系数IC来检验因子的有效程序，并通常认定该IC序列的绝对值均值大于某一阈值则将因子认定为阿尔法源。但是这样的方法存在两个缺陷。
- 首先，单纯的IC序列绝对值均值无法判定因子的稳定性。例如相关性正时负的因子由于IC序列取绝对值后，符合判定标准，被认定为阿尔法因子，但是该因子对收益率仅有显著的影响，却未有稳定的方向性，对模型而言存在较大的不确定性。
- 其次，单纯的IC法无法检验因子之间的共线性问题，为后期模型因子配权处理共线性问题遗留下不确定性
BRRA从因子对收益率影响的显著程序、稳定性以及因子之间共线性问题的角度着手，给出了完整的因子有效性检验标准：
- 单因子回归方程系数T检验值的绝对值均值，通常该值大于2认为是理想的结果，表明因子对收益率的影响显著性程度较高；
- 单因子回归方程T检验值绝对值序列大于2的占比，该值用以解释在测试时间范围内，因子显著性程序的分布特征
- 年化因子收益率，该值表明因子对收益率的贡献程度，取年化的原因在于可以与策略年化收益率有个比较直观的比较。
- 年化因子收益的波动率，该值表明因子对收益率贡献的波动程序，取年化的原因同样在于可以与策略年化收益的波动率有个较为直观的比较
- 因子收益率比因子收益率波动率，该值衡量了经因子收益波动率调整后的因子收益率情况，是考察因子稳定性的指标
- 因子收益率与基准收益率的相关性，该值检验因子收益是否与基准收益率有较高相关性，原则上相关性越低的结果越为理想（我们一般采用沪深300指数的收益率作为比较基准）
- 因子自稳定系数（Factor Stability Coeff），该值检验因子收益率的稳定性，计算公式为：
- 因子方差膨胀系数VIF值（Variance Inflation Factor）是利用需要检验的因子作为应变量，已通过检验的因子作为自标量，构建多元方程，并计算回归方程的R2
image.png
通常意义上，VIF值越大则表明被检验因子与其他因子的共线性程序越高。经验表明，当VIF大于3时，该因子的共线程度较高，应该拒绝纳入风险因子范围。
