从金融量化视角补齐机器学习落地能力

很多后端开发或数据初学者在学完通用的机器学习理论后，往往面临一个尴尬的瓶颈：知道算法原理，却找不到一个垂直领域的完整闭环场景来串联技术栈。这门课程正是为了解决这个问题而设计。它不泛泛而谈“人工智能”，而是深耕于**金融量化分析**这一高门槛、强逻辑的垂直领域，将 Python 数据处理、统计建模与机器学习算法有机结合。通过股票选股、回测验证、时间序列预测等真实业务场景，帮助学习者填补“理论懂但不会用”的能力缺口，建立从数据清洗到策略落地的完整工程思维。

学习路径建议与核心内容拆解

针对具备 Python 基础但缺乏实战经验的学习者，建议不要按章节顺序平铺直读，而是采用“工具先行、场景驱动”的策略。

首先，务必夯实**第 4-5 章的数据处理基础**。Numpy 和 Pandas 是量化分析的基石，特别是配合 Tushare 等数据接口进行金融数据获取与清洗，这是后续所有分析的输入保障。如果这部分薄弱，后面的因子分析会寸步难行。

其次，核心难点集中在**第 10-16 章的量化策略实战**。这里涵盖了从简单的双均线策略，到复杂的因子选股、回归分析与聚类策略。你需要重点攻克“因子数据预处理”和“因子打分”环节，理解如何将抽象的金融指标转化为模型可理解的数字特征。这是机器学习在垂直领域落地的典型范式。

最后，进阶部分涉及**第 17-18 章的时间序列预测**。无论是使用经典的 fbprophet 还是深度学习模型，这部分内容对数学要求较高，适合在掌握前述策略逻辑后作为提升项攻克，用于股价预测等高难度任务。

学完能做什么及资料配合建议

完成本课程后，你将能够独立搭建一套基础的量化选股系统，包括数据采集、特征工程、模型训练、回测验证及可视化展示全流程。你不再只是调用 sklearn 的黑盒，而是能解释每个因子背后的金融含义及其对预测结果的贡献度。

资料配合方面，课程提供的代码包（如 `numpy代码.zip`、`tushare工具包.zip` 及各章节实战项目）是练习的核心。建议边看视频边动手复现每一行代码，特别是 `1_simple_demo.txt` 和 `2_因子策略.txt` 这类示例，必须亲自运行并修改参数观察结果变化。Matplotlib 和 Seaborn 的绘图实战资料也需跟随练习，因为可视化的表达能力直接决定了你向团队汇报成果时的专业度。不要只看不练，量化领域的每一个 Bug 都可能导致策略失效，唯有在反复调试中才能真正掌握。

课程目录

0-代码
| | └──Python基础代码.zip 174.65kb
| ├──第10章：Ricequant回测选股分析实战
| | └──1_simple_demo.txt 2.13kb
| ├──第12章：因子策略选股实例
| | └──2_因子策略.txt 2.72kb
| ├──第14章：因子打分选股实战
| | └──3_因子打分选股.txt 3.29kb
| ├──第17章：fbprophet时间序列预测神器
| | ├──.ipynb_checkpoints
| | ├──data
| | ├──images
| | ├──__pycache__
| | ├──1-Stocker Analysis .ipynb 798.35kb
| | ├──2-Stocker Prediction.ipynb 1.06M
| | └──stocker.py 40.72kb
| ├──第19章：Matplotlib工具包实战
| | └──Matplotlib绘图.zip 3.69M
| ├──第20章：Seaborn
| | ├──4-REG.ipynb 771.56kb
| | ├──5-category.ipynb 658.21kb
| | ├──6-FacetGrid.ipynb 839.22kb
| | ├──7-Heatmap.ipynb 326.68kb
| | ├──f1.png 141.53kb
| | ├──iris.data 4.59kb
| | ├──Seaborn-1Style.ipynb 1.54M
| | ├──Seaborn-2Color.ipynb 169.10kb
| | ├──Seaborn-3Var.ipynb 315.82kb
| | └──Untitled.ipynb 489.91kb
| ├──第4章：Numpy
| | └──numpy代码.zip 16.79kb
| ├──第5章：Pandas
| | └──tushare工具包.zip 3.89kb
| ├──第11章：因子数据预处理.zip 876.33kb
| ├──第13章：因子分析实战.zip 1.20M
| ├──第15章：基于回归的策略分析.zip 935.39kb
| ├──第16章：聚类与统计策略分析.zip 1004.71kb
| ├──第18章：深度学习时间序列预测.zip 14.02M
| ├──第6章：金融时间序列分析.zip 588.16kb
| ├──第7章：双均线交易策略实例.zip 747.87kb
| ├──第8章：策略评估指标.zip 363.20kb
| └──第9章：量化交易解读.zip 165.93kb
1-Al课程所需安装软件教程
| ├──1.AI课程所需安装软件教程.mp4 16.18M
| ├──2.Python环境安装和搭建.mp4 48.10M
| ├──3.Anaconda基础讲解和使用的教程.mp4 44.39M
| ├──4.Pytorch (CPU版本安装).mp4 10.86M
| └──5.PyCharm安装和配置.mp4 16.95M
2-Python快速入门
| ├──1.Python环境配置.mp4 67.89M
| ├──10.Python循环.mp4 37.76M
| ├──11.函数定义.mp4 45.75M
| ├──12.模块与包.mp4 43.34M
| ├──13.异常处理模块.mp4 62.95M
| ├──14.文件操作.mp4 38.76M
| ├──15.类的基本定义.mp4 42.11M
| ├──16.类的属性操作.mp4 40.53M
| ├──17.时间操作.mp4 23.91M
| ├──18.Python练习题-1.mp4 37.44M
| ├──19.Python练习题-2.mp4 58.22M
| ├──2.anaconda环境安装和搭建.mp4 47.53M
| ├──3.Python简介.mp4 51.47M
| ├──4.Python数据类型.mp4 26.53M
| ├──5.Python列表.mp4 40.68M
| ├──6.Python元组.mp4 21.42M
| ├──7.Python集合.mp4 31.32M
| ├──8.Python字典.mp4 31.10M
| └──9.Python条件判断.mp4 17.50M
3-Python数据科学必备工具包实战
| ├──1.科学计算库-Numpy
| | ├──1-Numpy概述.mp4 28.24M
| | ├──10-四则运算.mp4 28.09M
| | ├──11-随机模块.mp4 48.38M
| | ├──12-文件读写.mp4 21.35M
| | ├──13-数组保存.mp4 39.25M
| | ├──14-练习题-1.mp4 29.02M
| | ├──15-练习题-2.mp4 40.39M
| | ├──16-练习题-3.mp4 56.12M
| | ├──2-Array数组.mp4 30.05M
| | ├──3-数组结构.mp4 58.10M