VIP16
本课程属于：030-机器学习Alpha与交易信号 智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

SHAP量化信号解释与因子归因实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=量化信号解释与因子归因的核心价… · 学习目标 · 整体课程框架与实战案例概览
课程导入目标=量化信号解…
02
可解释性基础
目标=黑箱模型在量化投资中的挑战 · 可解释性分类 · SHAP的定位与优势
可解释性基础目标=黑箱模型
03
SHAP核心概念
目标=Shapley值原理 · 合作博弈论基础 · 加性特征归因
SHAP核心概念
04
SHAP值计算
目标=KernelSHAP · TreeSHAP · DeepSHAP
SHAP值计算
05
SHAP可视化
目标=summary plot · force plot · dependence plot
SHAP可视化
06
量化因子归因框架
目标=因子暴露 · 收益归因 · 风险归因
量化因子归因框架目标=因子暴露
07
数据准备与特征工程
目标=金融时间序列处理 · 因子标准化 · 缺失值处理
数据准备特征工程
08
模型选择与训练
目标=树模型 · 神经网络 · 线性模型在量化信号中的SHAP解释差…
模型选择训练
09
实战案例一
目标=多因子选股模型SHAP解释——… · 因子交互效应与个股归因
实战案例一SHAP
10
实战案例二
目标=CTA时序信号SHAP归因——… · 波动 · 量价因子的贡献分解与信号稳定性分析
实战案例二CTA
11
实战案例三
目标=信用风险评分卡SHAP解释——…
实战案例三SHAP
12
实战案例四
目标=高频交易信号SHAP分析——微…
实战案例四SHAP
13
因子交互与非线性
目标=SHAP交互值 · 特征依赖关系 · 非线性效应的量化表达与可视化
因子交互非线性
14
全局与局部解释
目标=全局特征重要性 · 局部个体归因 · 群体SHAP聚合与分层分析
全局局部解释
15
SHAP与特征选择
目标=基于SHAP的递归特征消除 · 特征重要性排序 · 冗余特征识别
SHAP特征选择
16
SHAP与模型诊断
目标=过拟合检测 · 数据泄露识别 · 特征漂移监控与模型稳定性评估
SHAP模型诊断
17
SHAP与策略归因
目标=将SHAP值映射到组合收益 · 风险预算 · 交易成本与容量分析
SHAP策略归因
18
SHAP计算优化
目标=近似算法 · 采样策略 · 并行计算
SHAP计算优化
19
常见问题与陷阱
目标=特征相关性导致SHAP偏差 · 因果与相关混淆 · 基准值选择
常见问题陷阱
20
SHAP结果验证
目标=与排列重要性 · LIME · 部分依赖图对比
SHAP结果验证
21
监管与合规应用
目标=模型可解释性要求 · SHAP在风控与投资合规中的报告与审…
监管合规应用
22
综合项目一
目标=端到端多因子选股SHAP归因系…
综合项目一SHAP
23
综合项目二
目标=时序信号SHAP解释与策略优化…
综合项目二SHAP
24
综合项目三
目标=跨资产SHAP归因对比——股票 · 期货 · 外汇
综合项目三SHAP
25
高级主题
目标=因果SHAP · 反事实解释 · Shapley效应与量化投资中的因果…
高级主题SHAP
26
工具与生态
目标=SHAP库 · shapviz · Explainable AI平台
工具生态
27
性能与可扩展性
目标=分布式SHAP · 在线学习场景 · 流式数据归因与实时监控
性能可扩展性
28
行业案例研究
目标=顶级量化机构如何应用SHAP进…
行业案例研究SHAP
29
课程总结
目标=核心知识点回顾 · 方法论体系 · 持续学习路径与资源推荐
课程总结目标=核心知识点…
30
实战考核
目标=基于给定数据集完成SHAP归因… · 包含因子贡献 · 交互效应与策略建议
实战考核SHAP