所属分类：金融财务与量化 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

AI选股实战：用机器学习挖掘潜力股

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程适用人群 · AI选股的整体流程与预期收益
课程导入学习目标
02
金融市场基础
股票市场基本概念 · 交易规则 · 财务报表核心指标（PE
金融市场基础股票市场基本概念
03
量化投资与AI选股概述
量化投资发展史 · 传统量化与机器学习选股的差异 · AI选股的常见策略类型（因子
AI量化投资
04
Python与数据科学环境搭建
Anaconda · Jupyter Notebook · Pandas
Python数据科学环境搭建
05
数据获取与清洗
使用Tushare · AkShare · Yahoo Finance等获取股票…
数据获取清洗
06
特征工程基础
技术指标（MA · MACD · RSI
特征工程基础MA
07
标签定义与预测目标
如何定义“潜力股”（未来收益 · 超额收益 · 上涨概率）
标签定义预测目标
08
数据划分与过拟合防范
训练集 · 验证集 · 测试集划分方法（时间序列划分
数据划分过拟合防范
09
机器学习基础回顾
监督学习 · 回归与分类 · 模型评估指标（准确率
机器学习基础回顾监督学习
10
线性模型在选股中的应用
线性回归 · 逻辑回归 · 岭回归
线性模型选股
11
树模型入门
决策树 · 随机森林 · 梯度提升树（GBDT）的原理
树模型入门决策树
12
XGBoost与LightGBM实战
安装 · 核心参数（学习率 · 树深度
XGBoostLightGBM
13
神经网络与深度学习选股
MLP · LSTM · Transformer在股价预测中的…
神经网络深度学习选股
14
时间序列特征与滚动预测
滞后特征 · 滚动统计量（均值 · 标准差）
时间序列特征滚动预测
15
多因子模型与机器学习融合
经典多因子模型（Fama-Frenc… · 五因子）与机器学习结合 · 构建综合因子库
多因子模型机器学习融合
16
股票池构建与行业中性化
如何选择股票池（沪深300 · 中证500 · 全市场）
股票池构建行业
17
模型集成与堆叠
Bagging · Boosting · Stacking
模型集成堆叠
18
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化（Optuna）
超参数调优网格搜索
19
回测系统搭建
回测框架（Backtrader · Zipline · 自建）
回测系统搭建Backtrader
20
策略评估与风险指标
夏普比率 · 索提诺比率 · 卡玛比率
策略评估风险指标
21
过拟合与稳健性检验
参数敏感性分析 · 多时间段测试 · 随机种子影响
过拟合稳健性检验
22
实盘交易与模拟盘
券商API（如vn.py · easytrader） · 模拟交易环境
实盘交易模拟盘
23
资金管理与仓位控制
凯利公式 · 固定比例仓位 · 风险平价
资金管理仓位控制
24
常见陷阱与误区
幸存者偏差 · 前视偏差 · 数据泄漏
常见陷阱误区
25
案例实战一
基于随机森林的沪深300选股策略——…
案例实战一基于随机森林的沪…
26
案例实战二
基于LSTM的个股价格预测与买卖信号…
案例实战二LSTM
27
案例实战三
多因子+LightGBM的行业轮动策…
案例实战三LightGBM
28
模型解释与可解释性
SHAP · LIME · 特征重要性
模型解释可解释性
29
课程总结与进阶方向
回顾核心知识点 · 推荐学习资源（书籍 ·
课程总结进阶方向
30
综合实战项目
从零构建一个完整的AI选股系统 · 包括数据管道 · 特征工程
综合实战项目AI