机器学习模型作为人工智能核心技术之一，对金融行业发展造成了颠覆性冲击。在金融行业数据信噪比低、特征维度高、相互关系复杂的业务场景中，机器学习有着广阔的应用空间，尤其是被广泛运用于资产定价领域。本书从资产定价角度出发，首先阐述了在资产定价中引入机器学习方法的背景与重要性，介绍了线性方法、组合方法、非参数放大等多种机器学习方法，并系统讨论了如何将机器学习方法引入资产定价研究之中，解决引子识别、组合优化以及样本外预测资产定价三大核心问题。本书适合从事基金管理、量化投资的金融从业者，或者对量化投资感兴趣的读者；也可作为高年级本科与研究生金融科技专业的参考书。

第一章导论
1.1资产定价的研究背景
1.2本书的结构
1.3本书的特点和局限性
第二章资产定价中的机器学习方法
2.1机器学习的定义和主要类别
2.2机器学习方法介绍
第三章投资组合优化
3.1马科维茨投资组合
3.2参数化投资组合优化
3.3很优投资组合与随机贴现因子等价性
3.4基于收缩估计方法的投资组合优化
3.5神经网络
3.6基于全子集回归的组合优化
3.7实证分析
3.8小结
第三章附录
……