本书是高等学校金融学专业系列教材之一。本书主要内容包括：导论、机器学习基础、Python编程基础、基于Python的机器学习软件包、国信iQuant量化交易平台、交易策略学习模型的数据准备、线性回归估值选股模型、逻辑回归收益率预测选股模型、决策树分类择时模型、朴素贝叶斯分类择时模型、支持向量机分类择时模型、K均值聚类分析选股模型、Apriori股票关联分析模型、BP神经网络择时模型、循环神经网络择时模型、长短期记忆择时交易模型、卷积神经网络择时交易模型、结语。
本书由浅入深，结合具体案例，将机器学习的理论模型应用于程序化交易，强调程序化交易策略的实用性。本书适合作为高等学校金融专业相关课程教材，也可作为程序化交易的深化读物。
- 第一章导论001
- 第一节机器学习导论001
- 第二节金融交易如何使用机器学习方法002
- 第三节本书内容和结构008
- 第一篇机器学习交易基础
- 第二章机器学习基础011
- 第一节机器学习的基本原理011
- 第二节机器学习方法分类018
- 第三节机器学习的常用算法023
- 第三章Python编程基础028
- 第一节Python的特点和发展028
- 第二节Python的环境搭建029
- 第三节Python的基本语法034
- 第四节Python的数据处理044
- 第五节Python的文件存取054
- 第四章基于Python的机器学习软件包060
- 第一节机器学习工具包Scikitlearn060
- 第二节深度学习框架TensorFlow064
- 第三节神经网络训练框架Keras070
- 第五章国信iQuant量化交易平台084
- 第一节国信iQuant的基本功能084
- 第二节投资研究084
- 第三节向导式策略生成器087
- 第四节我的策略089
- 第五节策略常用API097
- 第六章交易策略学习模型的数据准备102
- 第一节数据清理102
- 第二节数据标准化107
- 第三节数据中性化108
- 第四节独热编码112
- 第二篇机器学习回归分析
- 第七章线性回归估值选股模型117
- 第一节线性回归分析的基本思想117
- 第二节线性回归算法实现118
- 第三节线性回归估值选股模型121
- 第八章逻辑回归收益率预测选股模型126
- 第一节逻辑回归的基本思想126
- 第二节逻辑回归的算法实现127
- 第三节逻辑回归收益率预测选股模型128
- 第三篇机器学习分类模型
- 第九章决策树分类择时模型137
- 第一节决策树分类模型的基本原理137
- 第二节决策树的Python程序实现139
- 第三节决策树分类模型的训练和测试143
- 第四节决策树分类模型的程序化交易应用144
- 第十章朴素贝叶斯分类择时模型145
- 第一节朴素贝叶斯分类模型的基本原理145
- 第二节朴素贝叶斯的Python程序实现147
- 第三节朴素贝叶斯模型的程序化交易应用149
- 第十一章支持向量机分类择时模型153
- 第一节支持向量机分类模型的基本原理153
- 第二节支持向量机分类模型的Python程序实现155
- 第三节支持向量机分类模型的结果评价161
- 第四篇机器学习聚类和关联分析
- 第十二章K均值聚类分析选股模型165
- 第一节K均值聚类分析的原理165
- 第二节K均值聚类分析程序166
- 第三节K均值多因子选股策略167
- 第十三章Apriori股票关联分析模型175
- 第一节Apriori算法的基本原理175
- 第二节Apriori算法的Python代码176
- 第三节利用Apriori算法挖掘高相关度股票179
- 第五篇神经网络学习
- 第十四章BP神经网络择时模型187
- 第一节BP神经网络择时模型的基本原理187
- 第二节BP神经网络择时模型的Python编程192
- 第三节BP神经网络择时交易案例204
- 第四节BP神经网络择时模型在国信iQuant的应用211
- 第十五章循环神经网络择时模型221
- 第一节循环神经网络择时模型的基本原理221
- 第二节循环神经网络择时模型的Python编程224
- 第三节循环神经网络择时交易案例230
- 第十六章长短期记忆择时交易模型236
- 第一节长短期记忆择时交易模型基本原理236
- 第二节长短期记忆择时交易模型的Python编程242
- 第三节长短期记忆择时交易案例251
- 第十七章卷积神经网络择时交易模型259
- 第一节卷积神经网络择时交易模型基本原理259
- 第二节卷积神经网络择时交易模型的Python程序实现264
- 第三节卷积神经网络择时交易案例271
- 第十八章结语277
- 参考文献281
