机器学习选股概述 · 课程目标与学习路径 · 所需工具与库 (Python, Pandas, Scikit-learn, TensorFlow)
进入章节 📘
Tushare/Akshare获取A股日线行情 · 数据清洗与预处理基础
进入章节 📊
什么是特征 · 常见技术指标 (MA, RSI, MACD) 计算与实现
进入章节 📐
未来N日收益率 · 分类标签(涨/跌/平)与回归标签构建方法
进入章节 🏷️
Z-score标准化 · Min-Max归一化 · 股票数据应用与代码实现
进入章节 ⚖️
时间序列特点 · 避免未来函数 · 按时间顺序划分训练/验证/测试集
进入章节 🧩
线性回归原理 · Scikit-learn实现收益率预测 · MSE, MAE评估
进入章节 📉
逻辑回归原理 · 涨跌二分类模型 · 混淆矩阵与准确率
进入章节 🔢
决策树过拟合 · 随机森林集成学习 · 特征重要性分析
进入章节 🌲
KNN原理 · 距离度量 · 相似K线模式识别应用
进入章节 📍
贝叶斯定理 · 高斯朴素贝叶斯 · 金融文本情绪分类(拓展)
进入章节 🧠
主成分分析原理 · 高维因子数据降维 · 可视化降维结果
进入章节 📉
市场状态划分(牛/熊/震荡) · 基于聚类的板块轮动初探
进入章节 🔮
XGBoost原理 · 与随机森林对比 · 选股实战调参
进入章节 🚀
LightGBM高效训练 · 直方图算法 · 大规模选股场景应用
进入章节 💡
感知机 · 激活函数(ReLU, Sigmoid) · 前向/反向传播概念
进入章节 🧬
TensorFlow/Keras构建多层感知机 · 回归与分类任务实现
进入章节 ⚡
RNN与LSTM原理 · 使用LSTM预测股票收盘价
进入章节 ⏳
交叉验证(时间序列) · 学习曲线 · 正则化(L1/L2)
进入章节 📋
Backtrader/自定义回测引擎 · 交易成本与滑点设置
进入章节 🔄
夏普比率 · 最大回撤 · 年化收益率 · 信息比率 · Calmar比率
进入章节 📊
多个ML模型预测结果作为因子 · 等权/加权融合
进入章节 🧩
Stacking与Blending · 构建两层模型融合选股
进入章节 🧪
模型更新频率 · 过拟合风险 · 市场风格切换应对
进入章节 💼
沪深300成分股多因子选股 (随机森林+XGBoost)
进入章节 🏆
中证500指数增强策略 (LSTM+LightGBM混合模型)
进入章节 🥇
强化学习选股 · 大模型在量化中的应用 · 持续学习路径
进入章节 🔭