标签： #随机森林

传统模型只给「明天涨 3%」一个点预测，却答不出「这个数我有多不确定、最坏会跌多少」。分位数回归森林（QRF, Meinshausen 2006）把随机森林的每个叶节点存成样本集合，预测时直接对落点叶的样本求经验分位——于是一次预测吐出整条条件收益分布，而非一个点。本文用纯 numpy 从零实现回归树 + 随机森林 + QRF，在「异方差 + 左偏」的合成收益上实测：90% 区间经验覆盖 QRF=0.874、OLS-正态=0.902、CRPS QRF=0.531 优于 OLS 正态的 0.563 与线性 QR 的 5.326，并诚实拆穿「森林=平滑均值 / 分位单调 / 样本量免费 / OOB 替代 / 分布外可信」五类真实陷阱（中阶）。

你算出「低波动股跑赢」就敢说低波动「导致」高收益吗？两者可能都被某个隐藏变量驱动——这是因果推断的死穴：混淆。双重机器学习 Double ML (Chernozhukov et al. 2018) 用两阶段机器学习（随机森林纯 numpy 从零实现）估计「处理→结果」之外的所有混淆路径 g(X)/f(X)，再用交叉拟合 cross-fitting 残差化，把处理效应 θ 从相关里撬成因果。自洽合成面板（Y=θ·D+g(X)+ε, D=f(X)+ν, g 与 f 共享非线性项）上：朴素 OLS 估到 1.88（真值 1.50，偏差 +0.38）、线性残差化 Double ML 仍 1.90（偏差 +0.40，抓不住非线性混淆）、随机森林 Double ML 压到 1.60（偏差 +0.10，蒙特卡洛 100 次 SD≈0.02）；并诚实拆穿 RF 收缩偏误/无交叉拟合必过拟合/混淆变量遗漏/模型误设/PLM 线性假设五类真实陷阱（中阶）。