图书介绍：
本书聚焦于“AI驱动高频因子挖掘”，是对前作《AI驱动下的量化策略构建》的深入拓展，专注于高频因子领域的研究与实践，将AI技术与高频因子挖掘紧密结合，为量化投资提供新的思路和方法。
核心逻辑：遵循从基础认知到技术工具掌握，再到实战应用的逻辑。先帮助读者建立对高频因子的基本认识，接着介绍挖掘高频因子所需的技术工具，最后引导读者将所学应用到实际量化策略构建中。本书的行文紧扣数据处理与因子投研，兼具策略案例和前沿研究，章节顺序如下： 1.因子理论与研究现状:
介绍高频因子的基本理论和当前的研究状况，为后续学习奠定理论基础。
2.高频因子与数据处理:
讲解高频因子的特点以及如何对高频数据进行有效处理，包括数据清洗、预处理等。
3.DolphinDB应用:
引入DolphinDB数据库，介绍其在高频数据处理和量化分析中的应用，如数据存储、计算等。 4.A股逐笔数据案例:
通过具体的A股逐笔数据案例，深入分析高频因子在实际市场中的表现和应用。
5.因子特征工程： 介绍如何对因子进行特征工程处理，包括特征提取、选择、变换等，以提高因子的质量和有效性。
6.AI自动因子挖掘(遗传算法):
详细讲解利用遗传算法进行AI自动因子挖掘的原理和方法，实现高效的因子挖掘。 7. 策略构建: 根据前面所学的知识，构建量化交易策略，包括策略的设计、优化等。 8.跨期套利: 介绍跨期套利策路在 高频交易中的应用，包括套利机会的识别、操作方法等。
9.模型评估： 讲解如何对量化模型进行评估包括评估指标的选择、评估方法等，以确保模型的有效性和可靠性。
10.微软RD_Agent/MarS引擎: 介绍微软的RD gentMars引擎在量化交易中的应用包括其功能、优势等。
目标读者核心群体：主要面向金融领域本科以上学历的学生以及金融硕士(Master of Finance)，这些读者具备一定的金融和数学基础，能够更好地理解和应用本书的内容。分层覆盖
·入门新手:
对于刚接触量化投资的新手，可以通过本书的“因子理论一数据处理一工具应用”部分，逐步建立对量化投资的基础认知，了解高频因子挖掘的基本理念和方法。 ·进阶交易员:
有一定经验的进阶交易员，可以深入学习“AI自动因子挖掘”部分，探索非线性因子和多模态融合，提升自己在量化交易中的技术水平和创新能力。 ·机构从业者:
机构从业者可以聚焦于“DolphinDB实战”和“订单执行优化”部分，解决实际工作中遇到的问题，提高机构的量化投资效率和收益。