----<求关注 求点赞 感谢大家>----
这本人工智能结合金融领域的典范书非常适合所有金融、AI方向的学生、研究人员和从业人员。
豆瓣评分达到了9.2分，被认为是史上有关金融与机器学习的最佳书籍！
这是作者的背景简介，绝对是妥妥的大佬！
这本书的核心主要是讨论了机器学习方法在金融时间序列这种特定数据类型上应用的一些问题，不同于标准机器学习，金融机器学习是一个独立的学科，这本书将帮你克服金融机器学习领域的挑战。
整本书总共是由五个模块去构成的，且每个章节联系紧密，电子版不好找，如果你需要这本书的pdf电子版，可以直接扫码添加我的助手让她及时无偿发送给大家。
直接长按屏幕即可扫码添加
第一部分介绍了如何以符合机器学习方法的方式来构造大数据，像金融数据结构、标签、样品重量、微分特征。
第二部分讨论如何运用机器学习对该项数据进行研究，像组合方法、金融领域的交叉验证、功能重要性、利用交叉验证。
第三部分解释了如何对你的发现进行反向测试避免误报，像投注大小、回溯测试的危险、通过交叉验证进行回测、合成数据回溯测试、回溯测试统计、了解战略风险、机器学习资产配置，前3个部分主要是简要的介绍了量化的整个流程。
在此基础上，第四部分回到数据并给出新颖的方式提取有效特征，像结构断裂、熵特征、微观结构特征。
第五部分是介绍了一些有效的高性能计算方法，像多处理和矢量化、蛮力和量子计算机、高性能计算机智能和预测技术。
部分内容展示，书的详细中文目录往下滑：
下方为详细目录：
金融机器学习作为一个独立学科
第一部分：数据分析
金融数据结构
标签
样本权重
分数阶差分特征
第二部分：建模
集成方法
金融中的交叉验证
特征重要性
使用交叉验证进行超参数调优
第三部分：回测
下注规模
回测的危险性
通过交叉验证进行回测
在合成数据上回测
回测统计
理解策略风险
机器学习资产配置
第四部分：有用的金融特征
结构性断裂
熵特征
微观结构特征
第五部分：高性能计算食谱
多进程与向量化
暴力破解与量子计算机
高性能计算智能与预测技术
