智能投资：方法与策略

　　本书是高等学校金融学专业系列教材之一。本书内容共分为6篇16章，第一篇为方法基础，第二篇为回归分析，第三篇为分类模型，第四篇为聚类和关联分析，第五篇为神经网络基础，第六篇为组合学习，最后是结语。本书理论联系实际，案例数据来自真实市场，实践性强；同时，本书以二维码的形式链接了部分彩色插图、代码下载链接、相关网站，利于学生掌握要点。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参考用书。

暂缺《智能投资：方法与策略》作者简介

导论
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
篇 智能投资方法
章 机器学习基础
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
节 Python机器学 Scikit-Learn
第二节 深度学习框架TensorFlow
第三节 神经网络 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
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
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
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
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