以TMLE为例介绍机器学习下的因果性分析-安信证券-20180309
由qxiao创建，最终由qxiao 被浏览 107 用户
摘要
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。
正文
/wiki/static/upload/56/567dd3fe-55da-4680-aac3-a1eb92efdca0.pdf
\