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、基于Python的机器学习软件包、智能投资模型训练的数据预处理、线性回归估值选股模型、逻辑回归收益率预测选股模型、决策树分类选股模型、朴素贝叶斯分类选股模型、支持向量机分类选股模型、K均值聚类算法选股模型、Apriori股票关联分析模型、BPNN择时交易模型、RNN择时交易模型、LSTM择时交易模型、CNN择时交易模型、Adv-NSL择时交易模型、DRL组合投资模型、结语。
本书适合作为高等学校金融学专业相关课程教材，也可作为相关从业人员和个人投资者的参考用书。

导论
第一节 智能投资与机器学习的概念
第二节 机器学习在智能投资中的应用
第一篇 智能投资方法
第一章 机器学习基础
第一节 机器学习的基本原理
第二节 机器学习方法的分类
第三节 机器学习的常用算法
本章小结
基本概念
复习思考题
第二章 基于Python的机器学习软件包
第一节 Python机器学习包Scikit-Learn
第二节 深度学习框架TensorFlow
第三节 神经网络高级API:Keras
第四节 深度学习框架PyTorch
本章小结
基本概念
复习思考题
第三章 智能投资模型训练的数据预处理
第一节 数据清洗
第二节 数据标准化
第三节 数据中性化
第四节 独热编码
本章小结
基本概念
复习思考题
第二篇 智能投资：回归分析
第四章 线性回归估值选股模型
第一节 线性回归的基本原理
第二节 线性回归的模型与程序
第三节 线性回归估值选股模型应用
本章小结
基本概念
复习思考题
第五章 逻辑回归收益率预测选股模型
第一节 逻辑回归的基本原理
第二节 逻辑回归的模型与程序
第三节 逻辑回归收益率预测选股模型应用
本章小结
基本概念
复习思考题
第三篇 智能投资：分类模型
第六章 决策树分类选股模型
第一节 决策树分类的基本原理
第二节 决策树分类的模型与程序
第三节 决策树分类选股模型应用
本章小结
基本概念
复习思考题
第七章 朴素贝叶斯分类选股模型
第一节 朴素贝叶斯分类的基本原理
第二节 朴素贝叶斯分类选股模型应用
本章小结
基本概念
复习思考题
第八章 支持向量机分类选股模型
第一节 支持向量机分类的基本原理
第二节 支持向量机分类的模型与程序
第三节 支持向量机分类选股模型应用
本章小结
基本概念
复习思考题
第四篇 智能投资：聚类和关联分析
第九章 K均值聚类算法选股模型
第一节 K均值聚类算法的基本原理
第二节 K均值聚类算法的模型与程序
第三节 K均值聚类算法选股模型应用
本章小结
基本概念
复习思考题
第十章 Apriori股票关联分析模型
第一节 Apriori算法的基本原理
第二节 Apriori算法的程序
第三节 Apriori股票关联分析模型应用
本章小结
基本概念
复习思考题
第五篇 智能投资：神经网络基础
第十一章 BPNN择时交易模型
第一节 BPNN择时交易模型的基本原理
第二节 BPNN择时交易模型的构建和数据准备
第三节 BPNN择时交易模型的训练
第四节 BPNN择时交易模型在iQuant平台的回测
第五节 BPNN择时交易模型应用
本章小结
基本概念
复习思考题
第十二章 RNN择时交易模型
第一节 RNN择时交易模型的基本原理
第二节 RNN择时交易模型的程序
第三节 RNN择时交易模型应用
本章小结
基本概念
复习思考题
第十三章 LSTM择时交易模型
第一节 LSTM择时交易模型的基本原理
第二节 LSTM择时交易模型的程序
第三节 LSTM择时交易模型应用
本章小结
基本概念
复习思考题
第十四章 CNN择时交易模型
第一节 CNN择时交易模型的基本原理
第二节 CNN择时交易模型的程序
第三节 CNN择时交易模型的训练
第四节 CNN择时交易模型应用
本章小结
基本概念
复习思考题
第六篇 智能投资：组合学习模型
第十五章 Adv-NSL择时交易模型
第一节 Adr-NSL择时交易模型的基本原理
第二节 Adv-NSL择时交易模型的程序
第三节 Adv-NSL择时交易模型应用
本章小结
基本概念
复习思考题
第十六章 DRL组合投资模型
第一节 DRL组合投资模型的基本原理
第二节 DRL组合投资模型的程序
第三节 DRL组合投资模型应用
本章小结
基本概念
复习思考题
结语：学习智能投资方法应注意的问题
参考文献