标签： #合规

深度学习因子模型 IC 高，但每笔预测都是黑盒——监管问你'为什么选这只票'，你拿不出可审计的理由。决策树把预测拆成一条条 if-then 规则，每条规则有明确的覆盖率和 IC，天然合规。本文从 numpy 实现一个简化版 CART 决策树因子模型，在合成数据上证明：深度 3 的决策树 OOS IC=0.072，虽低于 MLP 的 0.091，但全部 5 条规则可逐条审计、逐条设限、逐条关闭——合规代价为零。附完整 Python 实现与四张真实计算图，含规则提取、覆盖分析、IC 对照与合规评分。

很多策略回测漂亮、实盘却踩雷,问题常不在 alpha 而在合规与审计。本文把量化合规拆成数据/模型/交易/报告四层,用 Python 实现交易前风控校验、交易后持仓核对与审计追踪、扫单异常检测,并指出把审计当形式、人工补单等真实陷阱。