打开AI黑箱：可解释人工智能（XAI）探索 - 太平洋证券量化研究

报告摘要

本报告深入探讨可解释人工智能（XAI）如何平衡准确性与可解释性，介绍Permutation Importance、SHAP、Partial Dependence、LIME四种方法，并展示在多因子选股模型中的应用，助力量化投资者理解模型决策逻辑。

📋 核心要点(部分)

1. 一、引言
2. 二、初探XAI
3. 三、XAI常用方法
4. 四、XAI在策略模型中的应用
5. 五、风险提示