AI驅動下的量化策略構建(微課視頻版)

本書主要利用AI發現和構建有效的量化策略，旨在使讀者掌握AI在量化策略中的應用。隨着2023年大模型的崛起，投資者需要學會與AI共生，建立個人知識庫和靈活應用提示詞工程(Prompt Engineering)，讓AI協助尋找論文、理解論文、編寫代碼、構建模型、訓練模型、生成信號、特徵識別、投資組合優化和參數優化等。AI在高質量人群的量化行業中將得到廣泛應用和發展，讓更多讀者能掌握編程和量化技能，從而在AI的幫助下快速開發出適應市場的量化策略。本書共10章，涵蓋量化投資中AI的歷史演進、投研平台的構建、量化策略的開發流程、策略分類和介紹、市場主流策略開發、策略回測和實盤準備等內容。書中提供豐富的示例代碼，具有較強的實踐性和系統性，並配有高等數學、金融工程和計算機科學技術等前置知識，以幫助讀者深入理解量化投資策略。

本書適合量化進階者，也對有經驗的策略研究員有參考價值，同時可作為高校和培訓機構相關專業的教學參考書。



江建武，同濟大學碩士，同濟大學經管學院MBA校友導師，資深工程師，二十多年IT從業經驗。2006年進入量化行業，現與金融機構、BigQuant及高校共創AI量化實驗室，並以高頻交易dragon自媒體賬戶發起Dragon量化社區，目前社區擁有職業交易者超萬人，初步建成量化生態圈，含數據供應商、經紀商、FOF、MOM、策略研發和交易框架等。

季楓，清華大學碩士，Dragon量化社區核心成員，9年以上互聯網/量化交易行業經驗，熟悉高頻交易，CTA策略等多種策略的設計實踐，國內頭部資管從業者。

梁舉，北京大學文物保護和計算機軟件雙學士，15年以上互聯網/AI行業經驗。曾任微軟亞洲研究院高級研發工程師，負責Bing全球40+國家的新聞和實時搜索核心算法，通過大規模機器學習等AI技術將搜索質量提升到業界領先水平。現為成都寬邦科技有限公司的創始人兼CEO，研發人工智能基礎技術，應用於金融、教育等行業。