替代数据模型：解释大规模机器学习危机预测模型

这篇工作论文描述了一种名为“代理数据模型”的方法，用于解释大规模机器学习危机预测模型。这种方法通过将大量预测因子（特征）降维，增强了模型的可解释性，并有助于在危机预防和危机设计中提供充分的指导。作者通过将这种方法应用于货币基金组织开发的大规模危机预测模型，验证了其有效性。结果与经济直觉一致，并验证了替代项作为可解释性工具的使用。该研究有助于提高危机预测模型的准确性和可解释性，从而有助于减少和避免与经济危机相关的成本。