From Economic Explanation to Performance Improvement in Machine-Learning Portfolios
説明機械学習ポートフォリオにおける経済的説明から性能改善へ
要約本論文は、配分関数の特徴量エクスポージャーを、逐次的なポートフォリオ指標に対する局所的な感度へ写像する局所一次寄与伝播フレームワーク（局所的な一次の寄与を伝播させる枠組み）を提案します。伝播された寄与をポートフォリオ目的に直接定義したShapley値と関連づけ、シャープレシオ寄与の統計的推論を導出しています。寄与に基づく特徴量エクスポージャーの介入は、基礎となる配分モデルを再学習せずに学習後の調整を可能にします。実証では、異なるモデル群でネットのシャープレシオが統計的に有意に改善したと報告されています。