本教材主要讲述量化投资的思想和策略，并借助Python语言进行实战。本教材共分3部分，第1部分是量化投资概述，第2部分是量化投资之Python工具，第3部分是量化投资之机器学习应用。首先，本教材对量化投资策略进行了介绍；其次，本教材对Python编程语言进行了简要介绍，通过学习，读者可以迅速掌握用Python处理数据的方法，并灵活运用Python解决实际金融问题；最后，本教材向读者讲述了机器学习方法在量化投资中的应用，包括回归分析、决策树与随机森林、人工神经网络、支持向量机和深度神经网络等在量化选股、择时交易、趋势预测等方面的应用。
本教材的适用对象为量化投资的初学者，包括高校金融学、金融科技专业高年级本科生和研究生。

第1部分 量化投资概述
第l章 量化投资概念
1.1 什么是量化投资
1.2 量化投资的特点和优势
1.3 量化投资国内外发展状况
第2章 量化投资策略
2.1 量化选股
2.2 量化择时
2.3 投资组合
2.4 算法交易
第2部分 量化投资之Python工具
第3章 Python量化语言介绍
3.1 基础知识
3.2 基本数据结构
3.3 选择与循环
3.4 函数
第4章 Python量化工具
4.1 科学计算NumPy
4.2 数据分析Pandas
4.3 数据可视化Matplotlib
第3部分 量化投资之机器学习应用
第5章 回归分析
5.1 一元线性回归模型
5.2 案例：股市指数回归分析的Python实战
5.3 多元线性回归模型
5.4 案例：股票收益率多元回归分析的Python实战
第6章 决策树与随机森林
6.1 决策树概述
6.2 CART算法
6.3 案例：沪深300指数趋势分类预测的Python实战
6.4 随机森林
6.5 案例：上证综指预测的Python实战
第7章 人工神经网络
7.1 人工神经网络概述
7.2 人工神经网络基本原理
7.3 BP网络
7.4 案例：深圳综指预测的Python实战
第8章 支持向量机
8.1 支持向量机概述
8.2 支持向量机分类模型
8.3 案例：股票趋势预测的Python实战
第9章 深度神经网络
9.1 LSTM概述
9.2 深度学习模型网络结构与工作原理
9.3 案例：股票价格预测的Python实战
参考文献