图书介绍：
本书主要利用AI发现和构建有效的量化策略，旨在使读者掌握AI在量化策略中的应用。书中提供丰富的示例代码，具有较强的实践性和系统性，并配有高等数学、金融工程和计算机科学技术等前置知识，以帮助读者深入理解量化投资策略。
本书适合量化进阶者，也对有经验的策略研究员有参考价值，同时可作为高校和培训机构相关专业的教学参考书。章节顺序如下：
1.AI量化投资简介与本书导读： 论述量化投资的定义、特点、优势和发展演进历程，对AI技术的发展和应用现状进行了阐述，特别是对LLM的发展演进历程和金融领域的应用进行了详细论述。介绍本书的研究背景和意义，强调AI在量化交易中具有理论与实践双重价值，并将投资者以本金、学习能力、投资心态三个维度进行划分，明确投资者重点学习的策略。
2. 量化投研平台搭建： 介绍了投研平台的搭建，包括数据库、数据获取、策略构建模块、策略回测模块、交易执行模块等，以及常见的投研平台和开源框架。
3. 人工智能时代下的量化策略开发: 探讨了人工智能时代下的量化策略开发模式对比，并介绍了如何搭建LangChain+ChatGLM平台开启私人知识库的论文阅读体系。
4. 常见量化策略的分类与介绍: 主要介绍了市场主流策略的分类和来源，包括高频交易、做市策略、CTA策略、多因子选股策略和套利策略等。
5.做市策略： 介绍了两种经典的做市策略，即AS模型和GP模型；利用订单簿泊松过程建模的方法挖掘订单簿信号，订单簿的机器学习模型；介绍了强化学习的基本概念和贝尔曼最优方程，利用A2C算法对订单簿进行建模。
6. 套利策略： 系统地介绍套利标的筛选和预测择时，包含近20年来主流的套利策略和学术前沿的套利方法。标的筛选包括距离法、协整法、收益率相关性、风格暴露、聚类、PCA。预测择时有时间序列法和强化学习法。章节最后介绍了Copula法和风险管理。
7.CTA策略： 全面阐述了主流的CTA策略，从策略简介、定义、重要性、业绩表现等方面概述CTA策略；具体介绍趋势跟随策略、期货截面多 因子策略、网格策略；配套TALib、风险管理和资金分配模块；最后讲解Optuna+Vectorbt参数优选案例。
8.多因子选股策略： 介绍资产定价模型、三因子模型和Barra因子模型，随后介绍经典的单因子选股和因子组合方法。最后给出选股案例和因子评价方法，系统阐述多因子选股的实战流程。
9. 量化回测： 本章具体介绍如何使用BigQuant进行回测，主要介绍回测引擎的使用、回测结果分析并给出大量回测案例和回测过程中的细 节控制。
10. 实盘准备： 为实盘准备提供了指导，包括股票交易、期货交易的规则，如何选择标的、交易柜台、交易平台、交易网络、经纪商、服务器 等。本章提醒投资者注意风险控制和仓位控制；了解自己和采用的策略。最后本章对全书进行总结和展望，展望量化发展方向。
阅读建议 ： 本书是量化进阶的书籍，既有理论知识和数学公式推导，又有丰富的代码示例，包括详细的策略实施流程，实操性强。由于量化投资是一个多学科交叉的职业，需要掌握高等数学、金融工程和计算机科学技术，建议读者在阅读本书前，对上述前置知识进行充分复习，本书提供了相应的配套视频。此外，量化策略章节配套了相关的代码示例，全部以Jupyter Notebook格式提供，以便读者复现和验证。
投资涉及风险：本书所有代码与示例仅限于教育用途，并不代表任何投资建议。本书不代表将来的交易会产生与示例同样的回报或亏损。
投资者在做出交易决策之前必须评估风险，确认自身可以承受风险方可投资。