陈学彬主编的《程序化交易高级教程--机器学习在量化交易中的应用(国信iQuant量化平台高等学校金融学专业系列教材)》是高等学校金融学专业系列教材之一。
本书内容包括导论、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、RNN循环神经网络择时模型、LSTM长短期记忆择时交易模型、CNN卷积神经网络择时模型。
本书可作为高等学校金融学专业相关课程的本科生、研究生教材，也可作为程序化交易者的进阶读物。

第一章 导论
第一节 机器学习导论
第二节 金融交易如何使用机器学习方法
第三节 本书内容和结构
第一篇 机器学习交易基础
第二章 机器学习基础
第一节 机器学习的基本原理
第二节 机器学习方法分类
第三节 机器学习的常用算法
第三章 Python编程基础
第一节 Python的特点和发展
第二节 Python的环境搭建
第三节 Python的基本语法
第四节 Python的数据处理
第五节 Python的文件存取
第四章 基于Python的机器学习软件包
第一节 机器学习工具包Scikit-learn
第二节 深度学习框架TensorFlow
第三节 神经网络训练框架Keras
第五章 国信iQuant量化交易平台
第一节 国信iQuant的基本功能
第二节 投资研究
第三节 向导式策略生成器
第四节 我的策略
第五节 策略常用API
第六章 交易策略学习模型的数据准备
第一节 数据清理
第二节 数据标准化
第三节 数据中性化
第四节 独热编码
第二篇 机器学习回归分析
第七章 线性回归估值选股模型
第一节 线性回归分析的基本思想
第二节 线性回归算法实现
第三节 线性回归估值选股模型
第八章 逻辑回归收益率预测选股模型
第一节 逻辑回归的基本思想
第二节 逻辑回归的算法实现
第三节 逻辑回归收益率预测选股模型
第三篇 机器学习分类模型
第九章 决策树分类择时模型
第一节 决策树分类模型的基本原理
第二节 决策树的Python程序实现
第三节 决策树分类模型的训练和测试
第四节 决策树分类模型的程序化交易应用
第十章 朴素贝叶斯分类择时模型
第一节 朴素贝叶斯分类模型的基本原理
第二节 朴素贝叶斯的Python程序实现
第三节 朴素贝叶斯模型的程序化交易应用
第十一章 支持向量机分类择时模型
第一节 支持向量机分类模型的基本原理
第二节 支持向量机分类模型的Python程序实现
第三节 支持向量机分类模型的结果评价
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
第一节 K均值聚类分析的原理
第二节 K均值聚类分析程序
第三节 K均值多因子选股策略
第十三章 Apriori股票关联分析模型
第一节 Apriori算法的基本原理
第二节 Apriori算法的Python代码
第三节 利用Apriori算法挖掘高相关度股票
第五篇 神经网络学习
第十四章 BP神经网络择时模型
第一节 BP神经网络择时模型的基本原理
第二节 BP神经网络择时模型的Python编程
第三节 BP神经网络择时交易案例
第四节 BP神经网络择时模型在国信iQuant的应用
第十五章 循环神经网络择时模型
第一节 循环神经网络择时模型的基本原理
第二节 循环神经网络择时模型的Python编程
第三节 循环神经网络择时交易案例
第十六章 长短期记忆择时交易模型
第一节 长短期记忆择时交易模型基本原理
第二节 长短期记忆择时交易模型的Python编程
第三节 长短期记忆择时交易案例
第十七章 卷积神经网络择时交易模型
第一节 卷积神经网络择时交易模型基本原理
第二节 卷积神经网络择时交易模型的Python程序实现
第三节 卷积神经网络择时交易案例
第十八章 结语
参考文献