本书是高等院校“智能+财经”系列“十四五”规划教材之一，按照从理论到案例的方式组织编写。书中内容涉及量化投资、因子投资、量化策略、线性回归与时间序列分析、机器学习、深度学习等领域，系统论述了量化投资、金融数据、量化金融第三方库、时间序列分析、配对交易策略、机器学习与量化投资、深度学习与量化投资，并在最后引入综合项目案例。全书结构合理、层次清晰、语言精练、理实一体，易于教学。本书配有教学大纲、PPT课件、程序代码、案例素材和实验等丰富的教学资源，适合作为高等院校人工智能、智能科学与技术、数据科学与大数据技术、计算金融、金融数学、数据科学、金融科技等专业的选修课教材，也可作为人工智能工程技术人员及金融科技从业人员的参考书或培训教材。

近年来，随着云计算、大数据、人工智能、物联网、区块链等新兴技术的快速发展，以互联网金融、量化投研、智能投顾、智能风控、智能客服等为代表的智能金融服务正处于逐步部署和实现过程中，产业形态逐步呈现出了虚拟化、个性化、自动化、智能化的特点。在智能金融2.0的发展过程中，机器学习、深度学习、机器视觉、语音识别、自然语言处理、知识图谱成为智能金融系统正常工作的关键技术，也是提供多样化应用服务的基础，其发展面临着人员素质、技术突破等多方面的瓶颈和挑战。
“机器学习与量化投资（Python语言）”是一门涉及量化投资、因子投资、量化策略、线性回归与时间序列分析、机器学习、深度学习等领域的跨学科综合性课程。金融机构投资分析师大多没有金融科技方面的知识储备，市场系统介绍量化投资的教材较少，基于此，编者编写了本书。
本书的主要编写思路是面向应用，以人类认识事物的基本规律为出发点，从简单到复杂、具体到抽象、特殊到一般，以实践为基础，带领读者学习机器学习与量化投资的基本知识框架、基本规律、基本方法、基本技能和综合实践。
本书内容从理论到案例，分为8章。第1~7章主要论述了量化投资、金融数据描述、时间序列分析在量化交易中的应用、量化金融第三方库、配对交易策略、机器学习与量化投资、深度学习与量化投资。第8章编者精心设计了综合项目案例。
全书内容编排结构合理、层次清晰、逻辑性强、语言精练、讲解透彻，为重要知识技能引入实战案例。书中所有案例数据均为虚拟数据，且案例均在Python平台真实验证，并为读者提供完整的实例与程序代码。
工科专业学生最好具有统计分析、机器学习、深度学习的基础知识，财经专业学生最好具有计算机基础、Python、MySQL、统计学等方面的基本知识，以易于理解书中案例。编者已出版《智能金融》，后续会陆续主编《机器学习与财务分析（Python语言）》《智能财务（Python语言）》《机器学习与税务分析（Python语言）》《智能税务（Python语言）》《统计学Python语言）》等教材。
本书配有丰富的教学资源，如教学大纲、教学设计、教学PPT课件、案例代码、案例素材和相关实验，读者可在中国铁道出版社教育资源数字化平台网站下载，网址为https://www.tdpress.com/51eds/，对本书的建议可发送至编者邮箱shbli@126.com。
本书由李拴保任主编，文小才、渠慎明任副主编，具体编写分工为：第1~3章由李拴保编写，第4~6章由文小才编写，第7~8章由渠慎明编写。在教学中，工科专业建议总学时数为32~48学时，财经专业建议总学时数为48~64学时。
本书的出版得到了中国铁道出版社有限公司的鼎力支持，在此致以衷心的感谢！限于编者学识水平有限，书中不足之处在所难免，恳请同行专家批评指正。

第1章量化投资11.1量化投资概述21.1.1量化投资管理的特点21.1.2量化投资市场.61.1.3投资风险81.2量化投资平台81.3量化投资策略91.4量化研究流程.10实验1.11 第2章金融数据.132.1金融数据类型132.1.1数值类型变量.132.1.2字符串类型变量.152.1.3列表类型变量.172.1.4元组类型变量.202.1.5集合类型变量.212.1.6字典类型变量.222.1.7数据类型之间的转换232.2程序控制结构242.2.1条件判断语句242.2.2循环语句.262.3函数.282.4文件.292.5面向对象程序设计.302.6金融数据数学分析.342.6.1金融数据获取342.6.2NumPy金融数据操作.342.6.3Pandas金融数据分析.372.6.4Matplotlib金融数据可视化.40实验

李拴保，博士，副教授，河南财经金融学院智能科学与技术教学办公室主任，专业方向为人工智能、大数据、信息安全。执教近20年，是河南省教育厅学术技术带头人，智能金融研究中心负责人。

①知识前沿，内容全面。

②实用性强，案例丰富。


③架构清晰，通俗易懂。