中文 | English（Coming Soon）

📖 在线阅读（MkDocs）：https://llmquant.github.io/llmquant-book/

  《一本书读懂：人工智能时代的量化交易》是一本面向 人工智能（AI）与量化金融深度融合时代的系统教材与实战指南。本书系统梳理了人工智能在量化金融领域的发展脉络与应用趋势，并重点讲解如何利用 大语言模型（LLM） 与先进机器学习算法，融合结构化、非结构化及多模态数据，完成从理论到实盘的完整量化研究闭环。

  全书配套大量可复现的 Python 代码示例与实证案例，覆盖因子挖掘、情绪分析、交易信号生成、风险管理及模型部署等关键环节，旨在帮助读者真正掌握 AI驱动量化交易的落地方法与实战策略。

📌 本书代码全部开源，仓库地址：
https://github.com/LLMQuant/llmquant-book

全书共七章，结构严谨、层层递进：

1. 人工智能在量化金融中的应用与趋势
2. 数据是量化交易 + 人工智能的血液
3. 情感分析因子在量化交易中的作用
4. 机器学习在量化交易中的实战方法
5. 量化实战失效与策略优化
6. 极端事件下人工智能模型的抗风险能力
7. LLM 智能体在量化金融中的未来应用

内容覆盖从基础模型到多模态融合，从研究到部署的完整闭环。

本书适合作为：

• 金融工程、人工智能、计算机、数据科学专业本科高年级与研究生参考书
• 量化研究员、交易员、金融科技工程师的实务参考
• 希望快速掌握 AI + Quant 核心技能的从业者与学习者

无论是学术教学还是产业实战，都可以获得可复现、可迁移的方法论支持。

建议读者按照以下顺序学习：

1. 理解AI在量化金融中的全局框架
2. 掌握数据处理与特征构建方法
3. 学习情绪分析、事件驱动与因子挖掘
4. 完成策略回测、风险管理与模型评估
5. 进阶探索 LLM Agents 与多模态量化交易的未来方向

本仓库提供：

• 全书章节对应的 Python Notebook
• 可复现的因子挖掘与筛选流程
• 市场情绪量化分析模块
• 交易信号生成与风险控制示例
• LLM 驱动的策略研究与智能体框架探索

所有示例均可直接运行与扩展。

本书已部署为在线可阅读版本：

🌐 https://llmquant.github.io/Book/

建议结合代码仓库同步学习，实现理论与实战闭环。

如果您在研究或教学中引用本项目，请使用以下 BibTeX：

@book{llmquant2026book,
  title        = {一本书读懂：人工智能时代的量化交易},
  author       = {LLMQuant Community Contributors},
  year         = {2026},
  publisher    = {LLMQuant Open Source Project},
  url          = {https://github.com/LLMQuant/Book},
  note         = {Online version: https://llmquant.github.io/Book/}
}

本项目欢迎社区共建：

• 提交 Issue 反馈问题或建议
• 提交 PR 改进代码与案例
• 增补更多市场、品种与策略模块
• 推动 LLMQuant 开源生态发展

任何人都可以参与，共同打造 AI 时代的量化金融开源教材。

本项目由 LLMQuant 社区 联合创作与维护，核心贡献者包括：

• Sirui Bi （sirui@llmquant.com)
• Zhihao Ouyang
• Haoxue Wang (haoxue@llmquant.com)
• Bi’an Du (bian@llmquant.com)
• Yijia Xiao
• Yijie Jin
• Haoqing Deng
• Keli Wen (keli@llmquant.com)

（按贡献程度持续更新，欢迎更多贡献者加入）

衷心感谢所有 LLMQuant 社区成员 的智慧与付出。

我们希望本书能够为量化研究员、交易员与工程师提供切实可行的解决方案，并激发更多创新思考，共同推动人工智能与量化金融的融合。

未来已来，唯有不断探索与实践，方能立于潮头。

如希望深度参与本项目维护或合作交流，欢迎通过 Issue 或联系 info@llmquant.com