第01章
因果归因导论
什么是因果归因？为什么量化策略需要因果归因？策略收益来源的经典分解（Alpha vs Beta）。
因果Alpha/Beta
第02章
概率论与统计基础
条件概率、贝叶斯定理、期望与方差、协方差与相关性、假设检验。
概率贝叶斯
第03章
线性回归与最小二乘法
一元线性回归、多元线性回归、OLS估计、R-squared与调整R-squared。
回归OLS
第04章
时间序列基础
平稳性、自相关函数(ACF)、偏自相关函数(PACF)、白噪声、随机游走。
ACF平稳性
第05章
ARIMA模型
差分、AR模型、MA模型、ARIMA模型识别与定阶、模型诊断。
ARIMA差分
第06章
向量自回归(VAR)模型
VAR模型结构、格兰杰因果检验、脉冲响应函数、方差分解。
VAR格兰杰
第07章
协整与误差修正模型
协整概念、Engle-Granger两步法、Johansen检验、VECM模型。
协整VECM
第08章
结构化因果模型(SCM)
有向无环图(DAG)、do-算子、后门准则、前门准则。
SCMDAG
第09章
潜在结果框架与反事实
潜在结果、个体处理效应(ITE)、平均处理效应(ATE)、反事实推理。
反事实ATE
第10章
随机对照试验(RCT)与A/B测试
RCT原理、A/B测试设计、假设检验与p值、多重比较问题。
RCTA/B
第11章
匹配方法
倾向得分匹配(PSM)、最近邻匹配、卡钳匹配、匹配后平衡性检验。
PSM匹配
第12章
双重差分法(DID)
DID模型设定、平行趋势假设、事件研究法、三重差分(DDD)。
DID平行趋势
第13章
工具变量法(IV)
内生性问题、工具变量条件、两阶段最小二乘法(2SLS)、弱工具变量检验。
IV2SLS
第14章
断点回归设计(RDD)
精确断点与模糊断点、带宽选择、局部线性回归、断点回归的效度检验。
RDD断点
第15章
合成控制法(SCM)
合成控制思想、权重选择、安慰剂检验、与DID的比较。
SCM安慰剂
第16章
因子模型与因果归因
CAPM、Fama-French三因子/五因子模型、Barra模型、因子暴露与因子收益。
因子Barra
第17章
多因子模型归因
截面回归与时间序列回归、因子贡献度计算、因子择时与因子配置归因。
多因子贡献度
第18章
Brinson归因模型
Brinson分解（配置效应、选股效应、交互效应）、多期Brinson归因。
Brinson配置
第19章
风险归因
波动率归因、VaR归因、边际风险贡献、成分风险贡献。
风险VaR
第20章
业绩归因的因果视角
从相关性到因果性、归因中的混杂偏差、选择偏差与幸存者偏差。
偏差幸存者
第21章
机器学习中的因果推断
因果树、因果森林、元学习器(S-Learner, T-Learner, X-Learner)。
因果森林元学习
第22章
双重机器学习(DML)
DML框架、Neyman正交性、交叉拟合、在金融中的应用。
DML正交性
第23章
因果图与结构学习
PC算法、GES算法、因果发现中的挑战、金融网络因果图。
因果图PC算法
第24章
敏感性分析与稳健性检验
遗漏变量偏误、安慰剂检验、替换变量检验、子样本分析。
稳健性安慰剂
第25章
策略回测中的因果陷阱
前视偏差、过拟合、数据窥探、多重测试谬误。
回测过拟合
第26章
归因报告与可视化
归因结果的可视化方法（瀑布图、热力图、网络图）、自动化报告生成。
可视化瀑布图
第27章
案例研究1：基于DID的因子择时
基于DID的因子择时策略归因——以动量因子为例。
DID动量因子
第28章
案例研究2：因果森林选股
基于因果森林的选股策略异质性处理效应分析。
因果森林异质性
第29章
案例研究3：SCM市场冲击成本
基于SCM的量化策略市场冲击成本归因。
SCM冲击成本
第30章
总结与前沿展望
因果归因在量化中的未来方向、大语言模型与因果推断、可解释AI(XAI)与归因。
XAI大模型