隨著計算機技術在運算能力、數(shù)據(jù)存儲等方面的快速發(fā)展，傳統(tǒng)股票投資方法的弊端被不斷放大，新興的量化投資方法受到人們的廣泛關注，依賴計算機技術的機器學習算法越來越多的應用在股票研究領域之中。支持向量機、K緊鄰、遺傳算法等多種機器學習算法都被成功應用于量化投資領域，本書改進了FA算法的動態(tài)搜索能力，將MFA算法應用于變量的選取及參數(shù)尋優(yōu)，系統(tǒng)地構建了基于MFA-SVM的量化擇時模型；針對傳統(tǒng)神經(jīng)網(wǎng)絡層數(shù)不足等局限性，提出一種適用于股票擇時問題的混合CNN-RNN模型，由一維CNN模塊（卷積層和池化層）、RNN模塊（雙層LSTM和雙層GRU）、ReLU激活函數(shù)層組成，并進行了實證研究，為相關學者后續(xù)研究提供了新思路和新方法。本書可供信息管理與金融類專業(yè)高年級本科生與研究生使用，也可供從事機器學習技術與應用研究的科研人員、金融市場數(shù)據(jù)分析人員以及機器學習軟件開發(fā)人員參考。.