序言

机器学习在资产定价领域未来应走向哪里

增强机器学习的可解释性

通过解释模型达到人类对模型的信任，让其不再是简单的黑箱

提升模型稳定性

数据角度

独立同分布假设在一部分金融数据中不满足

模型角度

关联驱动的模型易受到虚假关联的影响

资产定价研究领域目前遇到的问题

协变量过多

能为解释资产预期收益率界面差异提供增量贡献的协变量过多，无法清楚他们到底代表了何种系统性风险，他们之间的相关性，带有预测信息的冗余度，哪些能够作为真正的定价因子，因子的风险价格是多少。

数据量激增