1本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。■从IC、IR到另类线性归因基于IC、IR的单因子分析是传统多因子分析的基石。但是IC、IR分析出却不能考虑到多因子模型中因子与因子之间的相互影响。因此我们以之前报告介绍的标准神经网络回归为例，用另类线性归因对因子进行了分析。■从线性归因到非线性归因所有线性归因都是基于因子单调性（线性）的强假设。但是在机器学习的非线性世界中，这个强假设不复存在。非线性的机器学习算法需要非线性的归因方式。■从相关性到因果性所有的传统归因方式都是基于相关性的而非因果性。因果分析也是机器学习未来的一个重点。我们以TMLE为例介绍机器学习下的因果性分析。■风险提示：机器学习量化策略的归因是基于历史数据的归因，存在失效的可能。Table_Title2018年03月09日机器学习与量化投资：避不开的那些事（2）Table_BaseInfo金融工程主题报告证券研究报告杨勇分析师SAC执业证书编号：S1450518010002yangyong1@essence.com.cn周袤分析师SAC执业证书编号：S1450517120007zhoumao@essence.com.cnTable_Report相关报告FOF和资产配置周报：MSCIA股相关指数基金积极上报，3月增配债券2018-03-04养老基金指引发布点评：专钱专用的养老金投资新时代2018-03-04FOF和资产配置周报：人保稳进配置混合型FOF获受理2018-02-26机器学习与量化投资：避不开的那些事（1）2018-02-24FOF和资产配置周报：从量化驱动型策略角度说明美股调整2018-02-102金融工程主题报告本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。内容目录1.机器学习归因的意义...............................................................................................................32.特征工程与特征重要性...........................................................................................................32.1.特征工程........................................................................................................................32.2.特征重要性....................................................................................................................33.传统线性归因..........................................................................................................................33.1.逐步回归........................................
