快速上手投研开发
针对机器学习投研的硬件和系统选择
VeighNa AlphaStrategy开发环境准备
跑通LightGBM模型截面多因子策略开发
截面多因子策略原理
经典理论的量化交易实践
主动投资组合管理
金融资产定价模型
统计套利因子模型
截面类策略的完整投研流程
因子特征数据准备
因子的主要分类和数据来源
特征数据开发模板AlphaData
基于表达式的特征计算引擎
特征数据的清洗和预处理
如何选择ML模型的预测目标
ML预测模型训练
监督学习算法概述：线性模型、树模型、神经网络
ML预测模型的训练与优化
模型评估统计指标详解
特征重要性分析与可解释性研究
超参数调整与模型验证方法
基于AlphaModel模板快速开发ML预测模型
线性回归类：Lasso
集成学习类：XGBoost
神经网络类：LSTM
截面投组策略构建
时序类策略 vs 截面类策略
标准化截面策略开发模板AlphaStrategy
截面策略回测中的关键细节梳理
实战进阶开发应用
更有效日内高频Alpha因子特征
ML模型的超参调整与验证方法
Alphalens因子特征和预测信号评估
QuantStats截面策略绩效分析
不止于股票市场的截面类策略
