Python 金融機器學習

黃偉哥，男，現任深圳北理莫斯科大學經濟系副教授。美國天普大學經濟學博士學位，研究領域聚焦於量化金融、機器學習、行為金融及加密貨幣等前沿方向。學術研究成果豐碩，已在包括SSCI/SCI期刊在內的國內外學術刊物上發表了多篇高水平論文。在教學方法上，註重理論與實踐的結合，曾在中南財經政法大學和深圳北理莫斯科大學開設《量化投資與金融計量》、《機器學習與金融》等多門深受學生歡迎的課程。

第1章 機器學習導論
1.1 機器學習的基本概念與分類
1.2 金融領域的機器學習應用場景
1.3 Python在金融分析中的優勢與生態
1.4 本章小結
第2章 Python編程與數據處理
2.1 Python基礎語法與面向對象編程
2.2 金融數據獲取與清洗
2.3 時間序列數據處理
2.4 數據可視化：K線圖、波動率曲面與三維圖繪制
2.5 本章小結
第3章 監督學習：回歸與分類
3.1 線性回歸：股票價格預測與因子模型構建
3.2 邏輯回歸：信用評分與違約概率預測
3.3 支持向量機（SVM）：市場趨勢分類與擇時策略
3.4 案例：基於多元回歸的客戶價值預測模型
3.5 本章小結
第4章 無監督學習：聚類與降維
4.1 K均值聚類：資產組合分群與相似性分析
4.2 主成分分析（PCA）：收益率曲線構造與風險因子提取
4.3 案例：股票池的聚類優化與風險分散策略
4.4 本章小結
第5章 集成學習與 模型
5.1 隨機森林：股票漲跌預測與多因子模型
5.2 XGBoost與LightGBM：金融反欺詐與高頻交易信號挖掘
5.3 神經網絡：LSTM在股價預測與高頻交易中的應用
5.4 案例：基於集成模型的量化策略回測與優化
5.5 本章小結
第6章 強化學習與自動化交易
6.1 強化學習基礎：Q學習與深度Q網絡（DQN）
6.2 交易環境構建：Gymnasium模擬股票與衍生品市場
6.3 案例：智能投顧系統的策略優化與動態對沖
6.4 本章小結
第7章 衍生品定價與風險管理
7.1 期權定價模型：二叉樹、蒙特卡羅模擬與隱含波動率計算
7.2 風險價值（VaR）與預期損失（ES）的Python實現
7.3 奇異期權與結構化產品分析
7.4 案例：利率衍生品的套利策略與風險對沖
7.5 本章小結
第8章 量化交易系統開發
8.1 策略回測框架構建
8.2 高頻數據處理與實時信號生成
8.3 交易成本與滑點模擬
8.4 案例：跨市場套利策略的實戰部署
8.5 本章小結
第9章 綜合實戰項目
9.1 投資組合優化：風險平價與Black-Litteman模型
9.2 自然語言處理（NLP）：新聞情感分析與市場情緒指數
9.3 金融大模型：GPT在研究報告生成與智能客服中的應用
9.4 本章小結