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：
- 人工智能在量化金融中的应用与趋势
- 数据是量化交易 + 人工智能的血液
- 情感分析因子在量化交易中的作用
- 机器学习在量化交易中的实战方法
- 量化实战失效与策略优化
- 极端事件下人工智能模型的抗风险能力
- 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：
- 理解AI在量化金融中的全局框架
- 掌握数据处理与特征构建方法
- 学习情绪分析、事件驱动与因子挖掘
- 完成策略回测、风险管理与模型评估
- 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 （[email protected])
- Zhihao Ouyang
- Haoxue Wang ([email protected])
- Bi’an Du ([email protected])
- Yijia Xiao
- Yijie Jin
- Haoqing Deng
- Keli Wen ([email protected])
（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 [email protected]