机器学习在量化金融领域的应用手册。
将机器学习模型作为量化因子投资的内核工具；
实际案例+R语言和Python双代码，
系统介绍股票配置与投资组合管理等方面的机器学习模型使用方法；
梳理全球量化金融领域前沿成果，介绍近百篇AI与因子投资交叉领域的重要文献。
特别适合金融及大数据相关专业的学生和研究人员、金融机构从业者，以及监管部门的专业人士参考阅读。

本书首先介绍了将大数据集应用于机器学习的基础知识和因子投资的基本理论；之后，本书介绍了监督学习模式下可用于预测金融变量的几个基本机器学习算法，包括惩罚性线性回归、支持向量机等；接下来，本书介绍了将这些机器学习算法应用于金融领域的实战方法和细节；最后，本书讨论了一系列与机器学习和因子投资相关的进阶话题，包括模型的黑箱问题、因果关系问题和无监督学习算法等。
本书适合金融机构从业者以及金融类专业学生系统了解因子投资的理论与方法，以及机器学习算法在因子投资领域的应用。

第1章符号与数据
1．1符号
1．2数据集
第2章简介
2．1背景
2．2投资组合构建流程
2．3机器学习不是“魔杖”
第3章因子投资与资产定价异象
3．1简介
3．2异象检验
3．3因子还是特征
3．4热门话题：动量、择时和ESG
3．5与机器学习的联系
3．6代码练习
第4章数据预处理
4．1认识你的数据
4．2缺失值
4．3异常值检测
4．4特征工程
4．5打标签
4．6处理持续性问题
4．7扩展
4．8代码和结果
4．9代码练习
第5章惩罚性线性回归和稀疏对冲最小方差组合
5．1惩罚性线性回归
5．2稀疏对冲最小方差组合
5．3预测性回归
5．4代码练习
第6章树模型
6．1简单决策树
6．2随机森林
6．3提升树：Adaboost
6．4提升树：特别梯度提升（extremegradientboosting）算法
6．5讨论
6．6代码练习
第7章神经网络
7．1原始感知机
7．2多层感知机
7．3其他实际问题
7．4关于基础多层感知机的代码示例和注释
7．5循环神经网络
7．6其他常用架构
7．7代码练习
第8章支持向量机
8．1用SVM进行分类
8．2用SVM进行回归
8．3实践
8．4代码练习
第9章贝叶斯方法
9．1 贝叶斯框架
9．2贝叶斯采样
9．3贝叶斯线性回归
9．4 朴素贝叶斯分类器
9．5贝叶斯加性回归树
第10章验证和调参
10．1学习参数
10．2验证
10．3寻找好的参数
10．4关于验证的简短讨论
第11章集成模型
11．1线性集成
11．2堆叠集成
11．3扩展
11．4代码练习
第12章投资组合回测
12．1基本设定
12．2将信号转化为投资组合的权重
12．3绩效评估
12．4常见错误和问题
12．5非平稳性：预测是困难的
12．6第一个例子：一个完整的回测
12．7第二个例子：过拟合
12．8代码练习
第13章可解释性
13．1全局模型
13．2局部模型
第14章两个关键概念：因果关系和非平稳性
14．1因果关系
14．2处理不断变化的环境
第15章无监督学习
15．1预测变量的相关性问题
15．2主成分分析和自编码器
15．3k-means聚类
15．4最近邻方法
15．5代码练习
第16章强化学习
16．1理论布局
16．2维度灾难
16．3策略梯度
16．4简单案例
16．5结束语
16．6练习
附录1变量说明
附录2练习答案
附录3Python代码（扫书中二维码获取）
参考文献（扫书中二维码获取）

大数据和人工智能技术的发展极大地推动了资产定价理论与实证的发展，本书深入浅出地阐释了机器学习技术应用于因子投资的重要领域和方法体系，并通过实际案例对相关内容进行了有效融合。同时，本书还提供了详尽的文献清单，这是进一步了解相关技术或知识的重要资料。无论是对从事科学研究的学者，还是从事投资实务的基金经理，是一本好用工具书。
汪寿阳，中国科学院教授

《机器学习与因子投资》比较充分地体现了“保持核心内容、远离口号式陈述和空洞概念讲解”的特点，是一本理论与实践有机结合、有价值的”金融科技”专业参考书。强烈推荐金融及大数据相关专业的科研人员、金融机构从业者和监管部门的专业人士参阅本书，相信本书能够帮助读者获得专业知识和实操能力的提升。
袁先智，中山大学教授
《机器学习与因子投资》是一本集金融建模技术与实际投资方法于一身的珍贵之作。作者系统地介绍了股票配置决策中常用的机器学习模型，并深入探讨其背后的基本思路。本书不仅为读者提供了大量学术参考资料，还通过R语言代码演示如何在真实金融数据集上应用因子投资概念和机器学习工具。无论您是金融从业者还是学术爱好者，本书都将成为您在股票配置领域的得力助手，助您将投资策略与实操技巧有效地融合在一起。
张然，中国人民大学教授
机器学习是近几年量化交易的热点领域。本书对机器学习的主要模型做了全面的介绍，特别是以R语言代码为基本的实现工具，展示了如何在实际投资过程中应用因子投资概念及机器学习工具。对于想了解机器学习在金融量化领域应用的人来说，这是一本好书。译者理论背景深厚，亦有量化交易从业经历，保证了译文的准确性。
傅安里，财信人寿

ChatGPT正引领着新一轮的人工智能技术浪潮，推动着许多行业的变革。机器学习这种人工智能算法在金融投资领域也正在逐渐成为主流的研究方法。本书深入浅出地解释了机器学习在因子投资中的应用，为读者提供了宝贵的见解。难得的是，本书不只是理论的探讨，更注重实践应用。通过丰富的案例和实例，读者可以学习如何将机器学习技术应用于实际的因子选股和投资决策中。
王鸿勇，启林投资