本书共分三个部分,基础篇、进阶篇、实战篇:
1-4章为基础篇，涉及的内容有：关于交易、市场乃至世界的基本认识，各编程语言的特性，以及常见的策略评价体系；
第一章 世界观介绍。从赌徒破产理论开始，引出和量化交易息息相关的几个统计定理，帮助读者认识到在交易上构建概率思维的必要性。
第二章 市场观介绍。本章的主题围绕随机性展开。首先应用代码研究了随机组合是我们构建组合时比标准指数更好的比较基准；随后介绍了随机性统计的概念，并应用具体的对照实验证明了股指的随机程度；本章最后解释了市场的动态特性，并解释了为什么目前大多数机器学习技术在金融市场行不通。
第三章 编程语言介绍。本章主要介绍 matlab,python,R,julia 等四种语言的起源，特性和库数量，运行速度等方面的比较。方便读者在各种应用场景下选择合适的语言。本章最后介绍了一个灵活应用语言特性，多语言合作解决问题的例子。
第四章 策略开发流程。本章主要介绍了策略开发的基础 ，包括：常见策略类型介绍 ；常见策略评价体系 ；标准策略开发流程 ；策略开发常见问题；如何应用TqSdk 进行策略开发与回测 。
5-8章为进阶篇，涉及的内容有：量化研究常用算法工具介绍，数据预处理算法，投资组合风险管理，策略过拟合的概念介绍以及回测过拟风险测算框架；
第五章 量化研究工具。 本章主要介绍了凸优化和非凸优化中常用的计算工具。凸优化方面的工具是yalmip；非凸优化方面的工具是差分进化算法。并介绍了如何将这些工具应用于具体的实践项目中，如均值回复组合的构建和A股内幕交易检测。
第六章 数据预处理。本章讨论了数据预处理中连续化的处理。包括了股票、期货的各种连续化处理方法以及比较。
第七章 风险控制。如何控制风险是金融投资的核心问题，从这个意义上来说，本章是本书最重要的章节之一。本章主要介绍了策略的风险敞口，以及各种不同的组合风险控制技巧，最后介绍了最优控制框架下的一种组合回撤控制技术。
第八章 过拟风险测算。本章介绍了如何处理策略开发中很重要的概念：过拟合。首先介绍了过拟合概率测算框架，然后分别介绍了两种简单易用的策略过拟合统计检验方法。通过本章的学习，读者应该对策略过拟现象有一个基本的了解，并会使用工具去合理地测算它。
最后7章为实战篇，这几章会综合运用之前学到的知识，并且以公开论文为框架，讲解如何从一个idea一步步扩展成合理的量化策略，同时在模型的选择方面尽可能覆盖更多读者的需求，构建不同类型的策略。
第九章 在线资产组合选择 。本章主要介绍了一种简单有效的在线组合资产选择算法。从算法原理开始，陆续介绍了代码实现，与现有算法对比，最后尝试将它优化并用于国内行业轮动和因子配置的策略中，取得了不错的效果。 读者可以在了解原理的基础上，自行改进合适的算法内核进行相关尝试。
第十章 高阶矩模式识别 。本章主要介绍了一种动态的基于高阶矩模式识别的择时策略， 在沪深 300 股票池上测试了它的效果并作出了一定的改进。通过本章的学习，读者应该初步了解如何使用量价模式识别的思想进行策略开发。
第十一章 贝叶斯回归。 本章主要介绍了一种基于贝叶斯隐源模型的择时策略，并探究了模型在中国市场上的可行性。 通过本章的学习，读者应该初步掌握线性回归相关的知识，并了解如何基于预测值合理构建一个交易策略。
第十二章 基于最优控制的套利模型。本章介绍了最优控制框架下的套利模型,并且使用国内股票和商品期货市场的数据验证了模型的有效性。通过本章的学习，读者应该了解套利交易的特点以及使用最大似然法进行参数估计的主要步骤。
第十三章 模糊理论 。本章介绍了基于模糊规则的趋势策略。 通过本章的学习，读者可以了解模糊理论的基本原理和国内金融市场应用，更重要的是，认识到机理建模和数据建模的不同之处。
第十四章 分层隐马尔可夫模型。本章介绍了基于分层隐马尔可夫模型的高频交易策略。通过本章的学习，读者应该了解动态贝叶斯网络这一大类的特点以及参数训练方法，还可以掌握基于时间序列数据特征提取的策略开发和回测的无监督学习框架。
第十五章 连续时间贝叶斯分类器。本章介绍了连续时间贝叶斯分类网络的基本原理，推理算法，工具集以及在外汇和商品期货市场的应用结果。通过本章的学习，读者应当了解连续时间贝叶斯网络和动态贝叶斯网络的区别，掌握相关开源工具的使用方法，熟悉连续时间贝叶斯网络的监督学习框架，并且能够自行增加其他特征进行测试。
- 推荐序二，“2019年”应为“2014年”；
834440883