高级可解释性提供了每个功能对模型输出的影响,以及如何将其转换为“买/卖”的信号。 此外，它还可以分析两个特征之间的相互作用。
上面的截图呈现的是初始输出的样子。 顶部的搜索栏可用于将结果缩小到感兴趣的特征。
在上面的单因子图示例中，股票池中每个股票的分析师期望(Analyst Expectations)因子的z得分绘制成了黄蓝色云部分：
- 低/高特征值代表宇宙中每只股票的特征本身的绝对值
- 然后根据计算生成的信号强度来绘制特征（强买或强卖）
- 在上面的示例中，分析师期望(Analyst Expectation) z得分因子的较高值表示偏向强买，而期望值较低则导致强卖。
接下来看两因子相互作用 (two-factor interactions)。
如果这是第一次请求交互数据，则“分析交互数据(Analyze Interaction Data)”将显示为灰色。必须首先通过按“生成交互数据(Generate Interaction Data)”按钮来生成数据，并出现以下提示：
生成数据：在以上提示中，选择历史交互数据的日期范围。同时启用/禁用模型实时部分的生成-这将在每次重新训练模型时以设置时预先设置的频率自动为实时模型生成数据。
解释两因子相互作用：生成交互数据后，“分析交互数据”按钮将会变为可用。单击，然后选择两个要分析的特征。交互图将弹出，如下所示：
上图表示了两个选定的特征如何与买/卖信号强度相互作用。
以上面的图为例-我们正在研究分析师期望值(Analyst Expectations)与日志市值(Log Market Cap)之间的相互作用。对数市值用右侧的色标表示，分析师期望值绘制在X轴上，买入/卖出信号绘制在Y轴上。
该图告诉我们，分析师期望值从低到中是相对中性的信号。分析师的高期望值带来了更分散的结果，但结合低市值，我们看到了强卖/中性的信号。同时，较高的市值将使买入此股票的信号略强。
注释：
1）可以交换XY轴以获得对相互作用的不同角度。
2）二进制变量（True / False）例如Sectors：值1（亮橙色）表示True，0表示false。例如，下面的图里亮橙色（1）表示的是能量板块(Energy Sector)，而深蓝色（0）则不是。
