如何看投资风格箱？
首先，这是一个好问题！ 很多人做价值投资和量化的时候都容易犯一个错误，那就是在没有对历史数据做认真的分析和回归之前就提出了“选股”或者“择时”的策略。这是很不妥当的，因为策略的收益和回撤都是基于过去发生的真实数据而得到的结论，但它并不能代表策略在未来也一定会有这样的表现——换句话说，过去的收益和回撤只是策略的“历史模拟结果”而已（当然，我们希望能找到一个理论依据来解释这些历史数据，但这个依据最后是不是能预测未来是另一个问题）。所以我们在评估一个策略的好坏的时候应该重点考察它对于历史数据的拟合情况。
在做策略评价的时候我们应该同时输出两个数值，一个是绝对收益（收益率），一个是风险（波动率）。如果只输出一个数值，那么这个数值最好是一个策略的“标准化指标”——也就是这个策略相对于其他策略的超额收益或者降低的波动率。 一个好的策略应该能够同时做到低波动和高收益（当然，这里假设策略是正期望值的，否则不管怎么优化策略都不会有好的表现），但这样完美的策略是不存在的，投资者需要找到的是一个尽可能接近这样的策略。
在投顾系统中，评价策略通常由两个部分组成，一部分评估策略的选股能力，另一部分评估策略的择时能力。我们分别用信息系数（influence coefficient）和调整后的R2作为这两个能力的衡量标准。 信息系数描述了策略对于选股或者择时的解释力度，它的计算是基于策略的预测值（P)与真实值（T）之间的相关性，相关性的数学表达式为： 其中，N为样本数，pi（·）表示策略的预测值，ti（·）表示实际值。 当我们说某个策略的信息系数为0.5时表示该策略对于市场的变动解释了50%的原因，其余50%的原因我们无法从策略中找寻到。如果一个策略的信息系数趋近于0，则表明该策略没有发挥作用。
需要注意的是这里的解释力度是对策略本身而言的，而不是对市场整体的表现。如果一个策略的信息系数很高，但我们仍然觉得该策略没有什么作用，那是因为该策略的贡献被市场整体的波动所掩盖了。只有当策略的预测效果在市场整体表现的上方呈现尖峰状分布的时候我们才能认为策略发挥了作用。 调整后的R2通过下列公式计算： 与信息系数一样，我们也希望调整的R2越大越好。另外值得注意的是，由于调整后的R2考虑了策略的漏掉的风险，因此它的取值范围是在[-1，1]之间，并且越接近1表示策略的拟合优度越高。