SHAP Decomposition

AI模型利用行为信号解读股市可预测性

研究人员开发了一个可解释的机器学习流程，将股市可预测性分解为因子贡献。将XGBoost模型与TreeSHAP归因应用于2009-2019年中国A股股票，该系统实现了显著的+2.38%/月的Alpha，即使在考虑了Carhart四因子模型后仍然持续存在。SHAP分解显示，换手率和动量等行为信号是预测归因的主要驱动因素，占58.2%，而估值比率占10.7%。