本次更新主要內容：
1 增加catboost演算法，機器學習演算法達到13種。
2 機器學習完整月度回測框架。
3 深度學習完整月度回測框架。
4 神經網路引數的介紹
5 mlp，cnn，lstm的演算法程式碼
6 對網站策略模型進行升級
7 學員獲得的回測框架與網站一致
上次更新內容：
1 因子更新：增加了因子的計算公式和API獲取指令，無需再自己動手寫程式碼，可以一鍵獲取
2 多因子模型：增加了進階多因子模型的詳細構建流程
3 機器學習模型：
3。1 增加了四個新的機器學習演算法，目前達到了12個
3。2 更加詳細的描述了構建機器學習的流程
3。3 增加了網路搜尋引數尋優的內容最佳化模型
3。4 更新了模型的回測資料
4 增加了對應更新內容的原始碼
5 對網站的量化策略進行了更新，總數超過了100個。
目前機器學習已經基本更新完畢，接下來將重點更新深度學習內容。
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 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）
7 GRU
8 ALSTM
9 GATs
10 SFM
11 TFT
13 TabNet
14 TCTS
15 Transformer
16 Local former
17 TRA
18 TCN
19 ADARNN
20 ADD
藍色標題更新中