序章
課程使用方法
第一篇 量化投資基礎
第一章 量化投資基礎
第二章 量化投資的優勢
第二篇 基本面因子介紹
第三篇 成長類因子
第四章 估值類因子
第五章 現金流類因子
第六章 經營效率類因子
第七章 財務質量類因子
第三篇 多因子模型
第八章 多因子模型構建流程
第九章 基本面多因子模型
第四篇 因子研究
第十章 單因子研究
第十一章 資料標準化
第十二章 因子共線性分析
第十三章 行業與市值中性化
第五篇 進階模型
第十四章 收益率模型
第十五章 進階多因子模型
第六篇 機器學習
第十六章 機器學習的演算法
第十七章 機器學習選股流程
第十八章 網路搜尋
第十九章 機器學習回測框架
第二十章 機器學習模型
1 邏輯迴歸
2 K鄰近
3 決策樹
4 隨機森林
5 樸素貝葉斯
6 Adaboost
7 支援向量機
8 XGboost
9 線性判別分析
10 二次判別分析
11 梯度提升
12 LightGBM
13 Catboost
第七篇 深度學習
第二十一章 機器學習與深度學習的區別
第二十二章 深度學習的選股流程
第二十三章 深度學習回測框架
第二十四章 Keras API介紹
第二十五章 深度學習模型
1 MLP(多層感知器)
2 CNN(卷積網路)
3 LSTM(長短記憶網路)
4 RL(強化學習)
5 GAN(對抗網路)
6 卷積重構自動編碼器(CRA)
7 門控迴圈單元(GRU)
8 注意力機制(ALSTM)
9 圖注意力網路(GATs)
10 SFM
11 TFT
12 TabNet
13 TCTS
14 Transformer
15 Local former
16 TRA
17 時域卷積網路(TCN)
18 ADARNN
19 ADD
第二十六章 AutoKeras
藍色標題更新中