本书旨在探索AI技术与投资策略的跨界融合。
全书分为上下两篇，共10章。上篇由量化思想、量化实践、量化方法、量化策略、风险控制绕不开凯利公式、交易信息系统外接共6章组成；下篇由遗传算法在黄金投资中的应用、大规模神经网络及股票非量价复合策略、小波分析及金融工程多维度应用和前沿研究与探索共4章组成。上篇主要阐述当前已有的量化知识并用独特鲜明的风格呈现出来，侧重计算机动态仿真技术；下篇聚焦探索未知的领域。全书注重金融实证、工程数学、计算机编程三者之间的跨界融合。
本书可作为量化基金从业人员和证券分析师的参考用书，也可作为金融专业、人工智能专业的高年级本科生、硕士和博士研究生的参考书（含毕业论文参考用书），还可以作为具备理工科背景且未来有志于从事AI量化投资人士的自学书籍。

李必文，80后，在金融持牌机构从业7年以上，位居管理层；随后投身高科技实体产业，2021年期间在芯片半导体大厂战略管理部任职；先后从事纺织服装、互联网、基金、芯片四个行业，拥有跨学科、跨行业的丰富经验和成功案例；大学毕业至今，已出版计算机编程、机器学习等相关著作5部。
他的座右铭：世界上本没有路，走着，走着，也就有了路。

上篇 量化体系
第1章 量化思想
1.1 超额a实证案例
1.1.1 定量构建三级基金池
1.1.2 通过“AOA”分析法进行大类资产配置
1.1.3 检验正交（独立）的多条投资回报流
1.1.4 组建风险收益模型
1.1.5 模型延伸：通过JDBC驱动连接MySQL接口
1.2 万物皆是算法
1.2.1 生物学的算法属性
1.2.2 机器学习算法与数学机械化概述
1.3 什么是量化投资
1.3.1 量化战胜市场
1.3.2 主观投资与量化投资
1.3.3 全球证券投资的上升策略
1.3.4 经典多因子量化三要素
1.3.5 多因子投资拓扑结构
1.3.6 算力与tick颗粒度
1.3.7 算法暴力会人为造成服务器“燃料”短缺
1.3.8 量化策略能盈利的底层逻辑
1.4 什么是AI量化投资
1.4.1 AI量化投资与量化投资的本质区别
1.4.2 收益与高流动性显著相关
1.5 AI用于投资策略的三项前提条件
第2章 量化实践
2.1 定量设计现金管理方案
2.2 基金科学定投
2.2.1 蒙特卡罗模拟的原理
2.2.2 误差分析
2.2.3 定投钝化
2.3 时间分辨率为何深度影响投资收益率
2.3.1 时间分辨率
2.3.2 投资时间颗粒度与复利理论最大值
第3章 量化方法
3.1 线性相关度
3.1.1 计算方法
3.1.2 用于宏观经济因子
3.1.3 构建不相关投资回报流
3.1.4 线性相关度延伸：Spearman相关度
3.2 灰色相关矩阵
3.2.1 股票走势的灰色性
3.2.2 灰色关联度计算方法
3.2.3 用于宏观经济因子
3.3 多因子投资
3.3.1 因子暴露、因子溢价、因子模型、资产向量图
3.3.2 构建多因子投资向量通式
3.3.3 单因子溢价
3.3.4 双因子溢价
……
下篇 AI方法及投资策略
后记
参考文献