该研报比较了三种特征选择算法（MDA、LIME和SHAP）在随机森林中的稳定性，提出了一种基于排序的"不稳定指数"来衡量特征选择的稳定性。研究发现LIME和SHAP比MDA更稳定，且LIME在排名靠前的特征上至少与SHAP一样稳定，因此最适合用于机器学习模型的人类解释。虽然三种算法选择的特征集不会随着迭代次数的增加而收敛到唯一集合，但特征选择能显著提高各种预测指标的表现，且三种算法的预测性能差异不大。研究还表明，在交易策略的元标记应用中，特征选择可以提高夏普比率和累计收益。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai