本书系统性地介绍了资产定价和机器学习算法的基础理论与实践知识，并以机器学习算法应用于中国股票市场资产收益率预测项目为案例，具体展示了机器学习算法落地应用于中国金融业界的流程和效果。本书主要内容包括资产定价基础方法、机器学习算法评估知识、线性机器学习模型、回归树类机器学习模型、神经网络模型、中国股票市场制度背景、机器学习项目的数据清洗过程和机器学习项目的实践案例。本书在写作过程中尽可能地减少专业词汇，使内容通俗易懂。本书适合高校中高年级本科生、研究生和对从事量化金融感兴趣的人阅读。

吴辉航，博士，清华大学五道口金融学院博士后。2018年获上海财经大学经济学博士学位，在校期间曾获“上海财经大学学术之星”“博士研究生国家奖学金”。主要研究领域为财税政策、资产定价、机器学习和金融科技。在Small Business Economics、International Review of Finance、Emerging Markets Finance and Trade、《经济研究》、《数量经济技术经济研究》等重要期刊发表学术论文十余篇。魏行空，中信建投证券总部机构业务部算法交易组高级经理。先后毕业于中央财经大学和瑞士苏黎世大学，获得经济学硕士学位。主要从事算法交易和高频量化分析、机器学习算法在高频交易中的应用等研究。张晓燕，清华大学五道口金融学院副院长、鑫苑金融学讲席教授，世界经济论坛未来理事会委员，上海证券交易所高级金融专家，亚洲金融与经济研究局（ABFER）高级研究员。曾任证监会第十七届发行审核委员会委员。北京大学经济学学士、哥伦比亚商学院金融学博士（优秀荣誉毕业生）。主要研究领域为国际金融、实证资产定价、金融科技和中国资本市场。

前言 机器学习模型作为人工智能（AI）核心技术之一，历史性地站在了时代的风口，正在对人类经济社会各行各业的发展造成颠覆性冲击。特别是在金融行业这样数据信噪比低、特征维度高、相互关系复杂的业务场景中，机器学习算法有着广阔的应用空间。中国政府也在持续推出宏观政策，鼓励支持人工智能技术在金融行业的推广和落地。2019年8月中国人民银行印发 的《金融科技(FinTech)发展规划(2019—2021年)》中明确指出金融科技发展的重点任务之一为： 合理运用金融科技手段丰富服务渠道、完善产品供给、降低服务成本、优化融资服务，提升金融服务质量与效率，使金融科技创新成果更好地惠及百姓民生。 如今人工智能技术正在如火如荼地发展，但是机器学习算法究竟好在什么地方？适合应用于解决金融行业的什么问题？如何 把它应用在实际的业务场景中？这一系列的问题时刻困扰着金融行业的从业人员。尽管目前市面上有着很多优秀的机器学习书籍，也有着很多金融学的经典讲义，但是大部分的书都只是基于各自学科的特点编写，仅聚焦于机器学习或者金融某单一角度，且缺少关键落地场景。读者在学习完机器学习算法原理之后，并不清楚学到的方法应该如何实际应用。 本书在将作者多年从事研究的机器学习算法应用于中国股票市场资产收益率预测研究的基础上，补充了大量的基础理论和代码实践内容，希望以一个具体的机器学习应用于金融场景的项目，帮助读者达到以下学习目标： ①掌握传统资产定价领域中的基础分析工具和方法； ②理解基本的机器算法原理； ③掌握机器学习算法解决资产定价实际问题的具体代码实现过程。 具体而言，本书共有...