基於等級相關的預測

是否有任何預測方法（機器學習、回歸等）旨在最大化您的預測與自變數的等級相關性（斯皮爾曼相關性、肯德爾 tau 等）？

我試圖用給定的一組輸入來預測一個連續的數值變數，我更擔心預測的秩相關比皮爾遜相關高。

最簡單的方法是將因變數從收益轉換為秩空間，然後使用普通最小二乘回歸。

更複雜的技術將涉及設置優化問題，在該問題中最大化預測向量和實際值之間的 spearman 相關性。更明確地說，優化器中的目標函式是 spearman 秩相關函式。優化器將根據某些模型規範搜尋參數集（例如，如果您使用線性因子模型，它將辨識一組 beta），以最大化 spearman 相關性。當然，有許多潛在的模型規範，所以這種方法有點開放。

另一種簡單的方法是使用累積收益和提升圖在競爭回歸模型中進行選擇。

或者，您可以使用離散因變數來嘗試預測工具可能屬於哪些分位數。一個簡單的範例是開發一個邏輯回歸模型，您可以在其中預測 1 或 0（假設 1 表示向上，0 表示向下）。然後，您可以使用使用邏輯模型對數據進行評分時生成的機率輸出來對預測進行排序（與使用可能對異常值更敏感的回歸輸出相比）。

引用自：https://quant.stackexchange.com/questions/4488