1.金融領域趨勢。過去幾十年，金融業一直過於依賴簡單的統計技術來識別數據中的模式，機器學習算法有望改變這一現狀。在未來幾年，機器學習將引領金融界，給金融領域帶來顛覆性變化。2.領域內經典圖書。原作豆瓣評分8.9分，是機器學習算法應用於金融領域的前沿書籍，提供一繫列經過驗證的工具和方法，量化投資專業人士在實操中的重要參考書。3.作者備受認可。馬科斯教授集投資經理、教授、研究員三重身份於一身，擁有20多年利用機器學習算法和超級計算開發投資策略的經驗。4.真正介紹金融機器學習。量化金融領域等

●第1章作為獨立學科的金融機器學習
1.1寫作動機
1.2金融機器學習失敗的主要原因
1.2.1西西弗斯範式
1.策略範式
1.3本書的結構
1.3.1按生產鏈定位章節內容
1.3.2按策略組件定位章節內容
1.3.3按常見陷阱定位章節內容
1.4目標讀者
1.5前提
1.6常見問題解答
1.6.1機器學習算法如何在金融領域中發揮作用？
1.6.2機器學習算法在投資中如何打敗人類？
1.6.3這是否意味著對於人工投資者來說，就沒有任何空間了呢？
1.6.4金融機器學習與計量經濟學的差別是什麼？
1.6.5該對那些不把機器學習算法當作黑箱的人說些什麼？
1.6.6為什麼不討論特定的機器學習算法？
1.6.7關於這個主題，有哪些其他書籍可以推薦？
1.6.8我看不懂書裡的部分章節，怎麼辦？
1.6.9本書為什麼對回測中的過擬合念念不忘？
1.6.10書中數學符號的使用規則是什麼？
1.6.1l誰寫作了第22章？
第1部分數據分析
第2章金融數據結構
2.1動機
2.2金融數據的基本類型
2.2.1基礎數據
2.2.2市場數據
2.2.3分析數據
2.2.4另類數據
2.3線
2.3.1標準線
2.3.2信息驅動線
2.4多產品序列處理
2.4.1ETF分時法
2.4.2用主成分分析（PCA）確定權重
2.4.3單期貨滾動
2.5采樣特征
2.5.1縮減采樣
2.5.2事件驅動采樣
第3章標簽
3.1動機
3.2同定時間水平標識法
……
第2部分模型
第3部分回測
第4部分用用的金融特征
第5部分高性能計算方法
致謝
謝者簡介

這是一本使用機器學習算法來克服投資問題的實用指南。機器學習算法正在逐漸接管投資的世界，如今可以被用來執行以前隻能由專家小組執行的任務。在未來幾年，機器學習算法將會給金融領域帶來顛覆性變化，並將改變幾代人的投資方式。這本書的作者馬科斯·洛佩斯·德普拉多集投資經理、教授、研究員三重身份於一身，20多年來致力於通過普及機器學習算法和超級計算的使用，以及開發識別錯誤投資策略（假陽性）的統計測試，實現金融領域的現代化。《金融機器學習》這本書分為5部分。第1部分介紹了如何構造適合機器學習算法的金融數據；第2部分介紹了如何科學地應用機器學習算法研究這些數據並獲得實際發現；第3部分介紹了如何回測以及評估模型錯誤的概率；第4部分回歸到數據，解釋從中提取信息特征的創新方法；第5部分介紹了高性能計算方法。書中大多數問題和解決方法都是用數學公示來解釋的，並提供了代碼片段和練習，具有很強的實操性，可以作為金融領域投等