机器学习与量化投资：避不开的那些事 （2）
创建于 更新于
摘要
本报告系统介绍了机器学习方法在量化投资中的归因分析，重点讨论了传统线性归因与非线性归因的差异，介绍了多种特征重要性评估方法包括逐步回归、Ridge/Lasso/Elastic Net正则化回归、随机森林及其扩展Boruta算法、遗传算法优化方法和因果推断TMLE方法，结合多个图表展示了因子重要性的具体计算和视觉化，强调非线性因子归因对量化投资模型的启示，同时提醒机器学习归因存在失效风险，为量化策略的透明性与因果性分析提供了理论与实践基础[page::0][page::2][page::4][page::6][page::11].
