知驿📋 资源介绍
本资源为Python机器学习与量化交易系统教学视频合集，共35个文件、3.3GB，含34个MP4视频和1份资源必读说明。内容覆盖：Python安装与数据结构、金融常用packages、金融数据建模与风险测度因子、事件驱动交易策略与参数优化、贝叶斯估计与随机波动率、金融时间序列分析（卡尔曼滤波、协整性、隐马尔可夫模型）、决策树/线性回归/boosting&bagging/shrinkage回归、逻辑回归/判别分析/SVM与交叉验证、神经网络/主成分分析/聚类、机器学习在量化交易中的应用、偏微分方程数值解、美式与欧式期权定价、蒙特卡罗方差降低方法、信用风险IRC模型与高斯核、重点抽样与测度变化，以及简历面试辅导。适合零基础入门到进阶的量化爱好者、金融从业者、数据分析和编程学习者。学完可掌握金融数据处理、机器学习建模、量化策略实现与衍生品定价核心方法。视频按章节编号组织，可直接对照目录学习。
不想注册？也可 邮箱快速下单（¥5.90）
📦 免费拷贝服务（U盘 / 移动硬盘）
资源费用（50%）归资源提供方；拷贝人工费 U盘 10 元/只、硬盘按容量计费；运费按地区计费，可选顺丰（+100%）；费用合计满 ¥99 普通快递包邮；付款后 48 小时内发货。
费用构成：资源费用的 50% 归资源提供方（创作者分成）；拷贝人工费 U盘 10 元/只、硬盘按容量计费； 设备费为 U盘/硬盘成本。请自行核实资源内容：本店只提供下载和拷贝服务，无法核实商品内容的完整性与内容的版权合法性。
🗂️ 完整文件清单（35 个文件 / 3.3GB）
- 📄 00基本预测.mp467.0MB
- 📄 第08节-金融时间序列-II-Hidden Markov Models.mp434.9MB
- 📄 第02节-Python for Finance 常用packages 学习I.mp4166.8MB
- 📄 第10节-逻辑回归.mp434.3MB
- 📄 第01节-Python数据结构.mp477.9MB
- 📄 第06节-贝叶斯例子和线性模型.mp454.9MB
- 📄 第09节-boosting&bagging.mp4108.9MB
- 📄 资源必读.png81KB
- 📄 第06节-贝叶斯估计.mp457.7MB
- 📄 第11节-Introduction to Clustering.mp492.2MB
- 📄 第11节- Neural network.mp481.7MB
- 📄 第04节-金融数据建模与预测-风险测度因子.mp4194.1MB
- 📄 第16节 面试I.mp4269.8MB
- 📄 第05节-事件驱动的交易策略和实施.mp472.0MB
- 📄 第09节-shrinkage regression.mp442.7MB
- 📄 第14节 美式期权和欧式期权定价.mp471.6MB
- 📄 第06节-贝叶斯随机波动率.mp421.7MB
- 📄 第05节-Parameter optimization（参数优化）.mp4104.2MB
- 📄 第13节 Python for ODE PDE numerical methods (Python for 偏微分方程数值解).mp4139.0MB
- 📄 第15节 信用风险的IRC模型和高斯核.mp459.0MB
- 📄 第10节-判别分析.mp431.3MB
- 📄 第16节 简历和面试II.mp452.1MB
- 📄 第10节-SVM 和交叉验证的模型选择.mp4151.6MB
- 📄 第07节-金融时间序列分析-I.mp4200.2MB
- 📄 第08节-金融时间序列-II-卡尔曼滤波.mp4120.0MB
- 📄 第08节-金融时间序列-II-协整性.mp449.6MB
- 📄 第08节-金融时间序列-II-state model.mp436.7MB
- 📄 第15节 重点抽样级数和测度变化.mp435.1MB
- 📄 第03节-Python for Finance 常用packages 学习 II.mp4199.8MB
- 📄 第15节 常见蒙特卡罗方差降低方法与期权定价.mp475.3MB
- 📄 第09节-线性回归.mp445.1MB
- 📄 第12节-机器学习于量化交易中的应用IV.mp4280.3MB
- 📄 第09节-决策树.mp442.1MB
- 📄 第01节-简介与Python安装.mp478.9MB
- 📄 第11节-主成分分析.mp435.6MB