择时和择股是证券投资的重要内容，本书基于机器学习中的聚类、分类、以及深度学习技术，深入探讨了证券投资领域的择时和择股两大问题。全书共分为七个章节，第一章简单介绍了研究背景及意义；第二章梳理了当前国内外关于股票市场分歧的研究进展，并提出了本书的研究问题；第三章和第四章提出了股票市场结构性分歧概念，并探讨了市场结构性分歧对市场收益及趋势预测的影响；第五章、第六章提出了市场结构性分歧视角下的择股策略；最后一章对全书进行了总结，并对未来的研究进行了展望。

葛志鹏，上海财经大学博士，河南大学讲师、硕士生导师。主要研究领域为机器学习、人工智能在金融工程中的应用。参与了“基于文本挖掘的互联网借贷用户不良信用行为分析与预测”“上海金融智能工程技术研究中心”等多项省部级与厅级课题。在国内外期刊发表多篇科研论文。

第一章 绪论
第一节 研究背景与意义
第二节 研究思路与框架
第三节 研究创新性尝试
本章小结
第二章 股票市场相关研究综述
第一节 股票市场分歧
一、国外学者对市场分歧的研究
二、国内学者对市场分歧的研究
第二节 股票市场择时
一、股票市场择时的价值
二、基于技术因子的择时策略
三、基于预测模型的择时策略
第三节 股票市场择股
一、异象因子择股
二、预测、机器学习、深度学习的择股模型
本章小结
第三章 股票市场结构性分歧对市场收益的影响
第一节 引言
第二节 市场结构性分歧的度量
一、结构性分歧计算
二、结构性分歧描述性统计
第三节 市场结构性分歧与市场收益间的关系研究
一、数据说明
二、格兰杰因果检验
三、市场结构性分歧、交易量与收益率间的关系
四、市场结构性分歧、交易量与收益率影响的持续性
第四节 市场结构性分歧、交易量与收益率关系间的鲁棒性分析
一、控制变量对关系的影响
二、聚类特征对关系的影响
三、聚类数量对关系的影响
本章小结
第四章 市场结构性分歧视角下指数收益的可预测性
第一节 引言
第二节 方法模型
第三节 实证分析
一、数据说明
二、模型评估
三、实验结果
四、鲁棒性检验
第四节 市场结构性分歧的影响因素分析
本章小结
第五章 市场结构性分歧视角下的一种选股策略
第一节 引言
第二节 方法模型
第三节 实证分析
一、数据说明
二、模型评估
三、实验结果
四、鲁棒性检验
第四节 选股策略收益的可解释性分析
一、因子模型
二、因子计算
三、因子分析
本章小结
第六章 不同市场行情下维数约减对选股策略的影响
第一节 引言
第二节 方法模型
一、主成分分析法
二、堆栈式自编码
三、堆栈式受限玻尔兹曼机
第三节 实证分析
一、数据说明
二、模型评估
三、实验结果
第四节 一种轮动的股票选择策略
一、策略介绍
二、实证分析
本章小结
第七章 总结与展望
第一节 总结
第二节 展望
参考文献
重要术语索引