/**
 * 因子评估与合成（纯函数、零依赖；方法论对齐 alphalens）。
 *
 * 数据适配说明：dsh-quant 不提供数据，本模块接受"等长数组"输入：
 * - 单资产时间序列：factor[t] 配 forwardReturns[t+1]（factor[t] 预测的是未来收益）
 * - 多资产截面：把截面按时间摊平为序列后传入（文档见 README/plan）
 *
 * 指标语义（alphalens 金标准）：
 * - IC：因子值与未来收益的 Pearson 相关（方向 + 强度）
 * - ICIR：滚动 IC 的均值/标准差（稳定性）
 * - 分位数分层收益：按因子值分 5 组，各组未来收益均值 + 多空价差（Q5-Q1）
 * - 换手：相邻期分位数组变化的平均比例（策略成本代理）
 * - 自相关：因子自身的持续性
 */
export interface QuantileBucket {
    quantile: number;
    /** 组内未来收益均值 */
    meanReturn: number;
    count: number;
}
export interface FactorEval {
    /** 全样本 IC */
    ic: number;
    /** RankIC（Spearman 秩相关，对异常值稳健） */
    rankIc: number;
    /** IC 衰减：horizon 1..decayHorizons 的 IC（factor[i] 配 forwardReturns[i+h]） */
    icDecay: number[];
    /** ICIR = 滚动 IC 均值 / 滚动 IC 标准差 */
    icir: number;
    /** 滚动 IC 序列（window 滑动） */
    icSeries: number[];
    /** 分位数分层收益（按因子值升序分 quantiles 组） */
    quantileReturns: QuantileBucket[];
    /** 多空价差 = 最高组均值 - 最低组均值 */
    longShort: number;
    /** 换手：相邻期分位数组变化的平均比例 */
    turnover: number;
    /** 因子一阶自相关 */
    autocorr1: number;
    /** 有效配对样本数 */
    n: number;
}
/** 因子评估（IC/RankIC/IC衰减/ICIR/分层/换手/自相关）。 */
export declare function factorEvaluate(factorValues: readonly number[], forwardReturns: readonly number[], quantiles?: number, window?: number, decayHorizons?: number): FactorEval;
export interface CombineResult {
    /** 合成信号（截面 rank 归一化到 0..1，升序=分数越大越好） */
    signal: number[];
    /** 各因子的 z-score 标准化权重（归一化后） */
    effectiveWeights: number[];
    /** 输入因子数 */
    factorCount: number;
}
/**
 * 多因子合成：各因子 z-score 标准化 → 按权重（默认等权）加权 → 截面 rank
 * 归一化到 0..1。各因子数组须等长。
 */
export declare function combineFactors(factors: readonly (readonly number[])[], weights?: readonly number[]): CombineResult;
export interface NeutralizeOptions {
    /** 分组标签（如行业代码），与 factor 等长；配合 method: group */
    groups?: readonly (string | number)[];
    /** 风格因子（如市值/动量），每个与 factor 等长；配合 method: ols */
    styleFactors?: readonly (readonly number[])[];
    /** 方法；缺省按输入推断：styleFactors → ols，groups → group，否则 zscore */
    method?: 'group' | 'ols' | 'zscore';
}
export interface NeutralizeResult {
    /** 中性化后的因子值（z-score 标准化：均值 0、总体标准差 1） */
    values: number[];
    method: 'group' | 'ols' | 'zscore';
    /** 分组数（仅 group） */
    groupCount: number;
    /** 风格因子数（仅 ols） */
    styleCount: number;
    /** ols 拟合优度（仅 ols；目标方差为 0 时为 null） */
    rSquared: number | null;
}
/**
 * 因子中性化：剥离分组/风格暴露后做 z-score 标准化。
 * - zscore：截面标准化（对照组）
 * - group：组内 z-score（行业中性化的简化版）
 * - ols：对风格因子 + 截距回归取残差再标准化（回归中性化）
 */
export declare function factorNeutralize(factor: readonly number[], options?: NeutralizeOptions): NeutralizeResult;