用 SHAP 看懂这套量化选股策略：从模型打分到数学归因
由bq5973r5创建，最终由bq5973r5 被浏览 25 用户
在量化投资中，越来越多的策略开始引入机器学习模型来做选股。机器学习的优势在于，它能够同时处理大量因子，自动学习复杂的非线性关系，从而提高对未来收益的预测能力。
但与此同时，也会带来一个非常关心的问题：
模型为什么会选这些股票？\n它到底依据了哪些因子？\n某只股票入选，是因为估值低、盈利好，还是动量强？
如果没有解释机制，我们看到的往往只是一个结果列表：买了哪些股票、打了多少分，却很难理解模型背后的逻辑。这样一来，模型虽然“能算”，但未必“能被信任”。
这正是 SHAP 归因分析 的意义所在。
在这套策略中，我们不仅使用了随机森林模型进行选股，还引入了 SHAP 机制来解释模型的决策过程。它既能告诉我们模型整体最依赖哪些因子，也能告诉我们某只股票为何会被选中。更重要的是，SHAP 并不是经验性的解释，而是建立在严格数学理论基础上的归因方法。
所以，这套策略不仅是在做选股，还在做一件更重要的事：
把模型决策过程，从黑箱变成可解释、可验证、可沟通的透明逻辑。
一、这套策略本身在做什么
这是一套基于 随机森林回归模型 的 A 股量化选股策略，核心流程可以概括为四步：
- 从股票因子库中提取候选股票及财务、估值、动量等因子
- 用过去一段时间的数据训练模型
- 预测当前截面中每只股票未来收益排名
- 选出模型评分最高的前 30 只股票持有，并按固定周期调仓
二、为什么量化策略进行 SHAP 归因分析
如果没有 SHAP，这套策略虽然能输出一个分数，但我们看到的只是：
- 这次买了哪 30 只股票
- 某只股票分数高低是多少
但这些信息还远远不够。
因为我们真正想知道的是：
- 模型这次到底更偏好什么风格？
- 是价值风格在起作用，还是动量风格在起作用？
- 某只股票为什么被选中？
- 模型逻辑最近有没有发生漂移？
而 SHAP 正是把这些问题变得可解释的工具。
1. SHAP 的本质
SHAP 来源于博弈论中的 Shapley Value。它的核心思想是：
把模型的一次预测结果，看作多个特征共同“贡献”出来的结果，然后计算每个特征分别贡献了多少。
放到这套策略里，就是：
- 模型给一只股票打了一个分数
- SHAP 会把这个分数拆开
- 告诉我们每个因子分别把这个分数推高了多少，或者拉低了多少
所以，SHAP 不是简单的“特征重要性排序”，而是一种更细粒度的归因分析方法。
它既可以回答：
模型整体最看重哪些因子？
也可以回答：
某只股票入选，究竟是哪些因子在推动？
三、这套策略里的 SHAP 是怎么做的
在代码里，SHAP 分析是围绕每个调仓日展开的。也就是说，每次模型重新训练并对当前股票池打分后，系统会额外做一轮解释工作。
整体分为两部分：
1. 全局 SHAP 归因
全局归因关注的是：
在当前这次调仓中，模型整体最依赖哪些因子。
具体实现方式是：
- 用训练好的随机森林模型
- 对当前预测截面的股票计算 SHAP 值
- 对每个因子的 SHAP 值取绝对值后求平均
- 得到一个“当前调仓日因子重要性排序”
这对应代码里的 global_importance_df。
它的意义在于：我们可以看到，当前这期模型整体更偏好哪类特征。例如：
- 如果 momentum_60d 的 SHAP 值显著更高，说明模型近期更偏动量
- 如果 ep_ratio、bp_ratio 更高，说明模型近期更偏估值修复
- 如果 roe、roic 更高，说明模型更重视盈利质量
换句话说，全局 SHAP 揭示的是策略当前的“风格暴露”。
2. 局部 SHAP 归因
局部归因关注的是：
具体某只股票为什么得分高。
在代码中，策略会对预测分数最高的前几只股票做单独解释。对于每只股票，会列出影响最大的若干因子，并给出它们各自的 SHAP 值。
例如，一只股票得分较高，可能是因为：
60 日动量很强，给了明显正贡献
ROE/PB 比值较高，说明性价比不错，也带来正贡献
市值较大，可能带来一定负贡献
短期波动过高，拉低了分数
最终，这只股票的分数不是一句“模型觉得它好”就结束，而是能被拆解成若干因子的共同作用。
这对我们理解策略特别重要。因为我们看到的将不再是一个抽象的分数，而是一份“入选原因说明书”。
四、如何理解 SHAP 的正负值
在这套策略中，模型预测的是 未来收益排名百分位，因此 SHAP 的含义要按这个口径理解。
SHAP 值为正
表示这个因子在当前股票上，推动了模型预测分数上升，也就是推动它在未来收益排名中更靠前。
SHAP 值为负
表示这个因子在当前股票上，拖累了模型预测分数，使它在未来收益排名中更靠后。
举个简单例子。
假设某只股票的局部 SHAP 结果显示：
- momentum_60d：+0.035
- roe_to_pb：+0.021
- log_market_cap：-0.012
- volatility_price：-0.008
那么可以解释为：
这只股票之所以被模型看好，主要是因为中期动量较强，同时 ROE 相对 PB 的性价比较高；但它的市值特征和价格波动特征对分数有一定拖累。
这种解释方式非常符合我们的阅读习惯，因为它把复杂模型的输出，翻译成了接近投研语言的表达。
五、全局 SHAP 能说明什么
如果你把每次调仓日的全局 SHAP 结果记录下来，其实就能形成一条非常有价值的“风格监控线”。
1. 看策略近期偏什么风格
我们最直观的问题就是：
这段时间策略到底是在买什么样的股票？
通过全局 SHAP，可以很容易看出来：
- 动量因子长期排名靠前，说明策略近期偏趋势跟随
- 估值因子显著增强，说明策略偏低估值修复
- 盈利质量因子抬升，说明策略更偏基本面质量
这比单纯看持仓名称更有解释力。
因为持仓名称只能看到“买了谁”，而全局 SHAP 能看到“为什么买这类股票”。
2. 看策略是否发生风格切换
市场环境变化时，模型的偏好往往会变化。
比如：
- 在强趋势市场里，动量类因子可能主导
- 在风格均值回归阶段，估值因子可能更强
- 在业绩驱动行情里，盈利质量因子可能抬升
全局 SHAP 能帮助我们理解：策略不是死板地执行某一套固定规则，而是在既定因子框架内，动态学习当前更有效的信号。
3. 监控模型是否异常
如果某段时间突然出现一些不太符合常识的因子持续占据高权重，比如某些噪声型交易变量异常抬升，就可以提醒我们：
- 是否数据质量有问题
- 是否模型对某些局部特征过拟合
- 是否市场环境已经发生明显变化
所以，全局 SHAP 不仅是解释工具，也是模型诊断工具。
六、局部 SHAP 能说明什么
如果说全局 SHAP 解决的是“策略整体怎么看市场”，那么局部 SHAP 解决的就是“这只股票为什么被选中”。
局部 SHAP 可以把答案拆得非常具体。
1. 把“入选”变成可解释的因子组合
对于一只入选股票，局部 SHAP 会告诉我们：
- 哪些因子在主要贡献正向分数
- 哪些因子在产生负向影响
- 最终为什么它仍然排进了前 30
这能帮助我们理解：模型不是因为某一个单一因子买入，而是多个信号综合作用后的结果。
2. 看到模型判断和投研语言之间的对应关系
很多时候，我们并不熟悉机器学习，但熟悉投研表达。
比如：
- “这只股票中期动量强”
- “盈利质量不错，而且估值不贵”
- “短期交易活跃度提升”
- “市值暴露略有拖累”
而局部 SHAP 恰好可以把机器学习模型的结果，翻译成这样的投研语言。
七、SHAP 的数学原理是什么
这部分是理解 SHAP 的核心。
SHAP 的理论来源是博弈论中的 Shapley Value（夏普利值）。原本它用于解决一个经典问题：
在一个合作博弈中，多个参与者共同创造了一个总收益，那么这个总收益应该如何公平地分配给每个参与者？
例如，几个人共同完成一个项目，最后得到一笔奖金。问题是，每个人到底贡献了多少？不能只看谁最后出现，也不能只看谁先加入，而应该综合考虑每个人在所有可能合作顺序中的边际贡献。
Shapley Value 给出了一个严格而公平的分配方案。
1. 把机器学习解释问题转化为“合作博弈”
在 SHAP 中，我们把模型解释问题转化成一个“特征合作博弈”：
- 每个特征，视作一个“参与者”
- 模型输出，视作“总收益”
- 每个特征的 SHAP 值，表示它对当前预测结果的边际贡献
也就是说，对于某只股票，模型最后给出的预测分数，并不是一个不可拆分的黑箱结果，而是可以写成：
这条公式非常重要。它说明：
一个样本最终的预测值，等于基准值加上所有特征贡献之和。
这就是 SHAP 的“可加性”来源。
2. Shapley Value 的定义
对于第 i 个特征，其 Shapley Value 定义为：
这条公式的含义是：
特征 i 的贡献，不是只看它单独出现时有多重要，而是要看它在所有可能特征组合中，平均能带来多少增量。
换句话说，SHAP 衡量的是一个特征在“所有合作情景”下的平均边际贡献。
这也是 SHAP 最大的数学优势所在：它不是拍脑袋分配贡献，而是基于严格定义进行公平分解。
3. 为什么需要考虑“所有组合”
因为一个特征的重要性会依赖于它和其他特征的关系。
比如在量化因子里：
- roe 和 roic 都是盈利质量因子
- ep_ratio 和 bp_ratio 都与估值相关
- momentum_20d 和 momentum_60d 都体现趋势强弱
如果只看某个特征单独作用，容易高估或低估它的真实贡献。因为它的作用可能和其他特征重叠，也可能和其他特征形成交互。
所以，Shapley Value 不会只看一个顺序，而是遍历所有可能的特征组合，计算平均边际贡献。这样得出的归因结果更公平，也更稳健。
策略源码:https://bigquant.com/square/ai/f7968361-b24e-2189-c636-bf03a51ab926