回复@ksworder: 受教了…那咋办…感觉，归因分析和无监督学习两者结合有难度啊//@ksworder:回复@Dinny_Sachs:你现在思路有点问题。所有公募基金的数据不代表数据就够。因为你做归因分析。

举个例子，你可以认为基金经理的性别对投资收益有影响。你把所有基金经理的性别拿到了。比如2000个男的，500个女的。然后你分析他们的收益率。最后得出结论男性投资收益高。这个悖论在哪呢？你只分析了现有的2500个数据来评价一个不知道权重的因子。因为你不知道性别对于投资收益的权重究竟有多大。也许性别不重要，学历才重要。这2500个数据出来的结果就会有偶然性。可能刚好有个女的学历很高。

正确做法是怎么分析？把所有基金经理换成男的，观察投资结果，再把所有基金经理换成女的观察投资结果。很显然这是做不到的。现实只有一种结果。那就是只有2000个男的和500个女的。

数据样本足够是要求数据有独立性和可重复性。很显然你的基金数据不满足这个条件。换个角度，我们研究历史指数数据，就满足这个条件，数据可重复，而且独立数据。但是影响他的因素依然很多。举个极端的例子你不能说交易前基金经理吃了个苹果就认为这个对收益有帮助。

这种事情不是没有，罗素就曾经说过：拿破仑在莱比锡的失败，是因为他在德累斯顿战役后吃了一个桃子。

所以用结果来归因的方法是不可行的。有时候会得出错误的结论。就像我们给出假设:假如潘金莲没有打开那扇窗户，假如蝴蝶没有煽动翅膀。这些分析是没有意义，因为你不知道这些影响因子的权重。导致最后的结果有10000个原因，你只挑选出10个原因，然后分析这10个原因对结果的影响。结论的正确性大概只有千分之一。