五维度里的研究层，是把数据变成有预测力信号的看家本领。它分两段：先把机器学习算法从黑箱变透明（对应 ML 课，29 讲），再把这些算法接到真实交易上、并躲开回测陷阱（对应 ML4T 课，26 讲）。适合已经打好 Python + 数据处理基础、想真正做量化研究的人。
系列总纲见 量化工程能力知识图谱与学习路线。 顶层总路径见 量化投资学习路径图。参考教材 / 源码
- 上半（算法）：《Machine Learning with PyTorch and Scikit-Learn》Sebastian Raschka、Yuxi (Hayden) Liu、Vahid Mirjalili（Packt）· 代码库 https://github.com/rasbt/machine-learning-book
- 下半（量化应用）：《Machine Learning for Algorithmic Trading（第 2 版）》Stefan Jansen（Packt）· 代码库 https://github.com/stefan-jansen/machine-learning-for-trading（second-edition 分支）
为什么要学这块
做因子、做信号、做组合，用到的分类、回归、降维、集成、深度模型，都出自机器学习到深度学习这套体系。会调库能跑通 baseline，但要判断一个模型为什么过拟合、为什么样本外崩掉、正则项到底改了什么，就得知道算法内部在算什么。
而会训练模型和能做出一个能上线的策略，又是两回事。交易数据信噪比低、样本相关、带时间方向，随手套一套 ML 流程，回测曲线往往漂亮到不真实。所以这一层要同时解决两件事：把算法搞懂，以及把算法可信地用到交易上。这也是后面读 qlib 框架、做工程化的直接前置。
上半：从零手搓算法 + 剖析源码（ML 课）
角度：不停在调包，读到源码为止
市面上大多数 ML 教程停在”讲公式 + model.fit(X, y)“，公式和 fit() 之间那段——库怎么把公式变成能跑的代码——被跳过了。这套课在每个核心算法上做三层：
- 🔬 从零手搓：用 NumPy 把更新规则 / 损失 / 梯度亲手写一遍，配数学直觉逐步拆解。
- 🔍 剖析源码：打开 scikit-learn / PyTorch 对应估计器的真实实现，看类家谱、调用链、Cython 内核，理解工程上为什么那样写。
- 🧰 调库用法：会用、会调超参、会看文档。
第 2 步是普通教程完全没有的部分。手写懂原理，源码懂实现，对拍确认没理解错。
你会学到什么（ML 课讲次）
经典机器学习（第 04–19 讲）
| 主题 | 讲次 | 手搓 / 源码要点 |
|---|---|---|
| 感知机 | 04 | NumPy 实现学习规则；对照 SGDClassifier(loss='perceptron') 的 Cython _plain_sgd
|
| Adaline、梯度下降、SGD | 05 | 手写梯度下降与随机梯度下降；学习率 / 特征缩放对收敛的影响 |
| 逻辑回归 | 06 | 手写 sigmoid + 对数损失；sklearn 5 种 solver 的差异 |
| SVM | 07 | 最大间隔与核技巧；libsvm / liblinear 两条后端 |
| 决策树 / 随机森林 / kNN | 08 | 手写信息增益与基尼；_tree.pyx Cython 内核、KD 树 |
| 数据预处理 | 09–10 | 手写 StandardScaler、L1 稀疏、序贯后向选择 |
| PCA / LDA / 核 PCA | 11–12 | 手写 PCA；sklearn 为什么用 SVD 而非特征分解 |
| 流水线与交叉验证 | 13 | 手写 K 折；Pipeline 的 fit/transform 统一接口 |
| 调参与评价指标 | 14 | 网格搜索、混淆矩阵 / ROC-AUC、嵌套 CV |
| 集成学习 | 15 | 手写投票分类器；Bagging、AdaBoost、梯度提升 |
| 文本情感分析 | 16 | 手写词袋 / TF-IDF；CountVectorizer 的 CSR 稀疏矩阵 |
| 回归与正则化 | 17–18 |
LinearRegression 走 lstsq、Ridge 走 Cholesky、Lasso 走坐标下降 |
| 聚类 | 19 | 手写 k-means；_kmeans Cython 内核、层次聚类、DBSCAN |
深度学习（第 20–29 讲，PyTorch）：多层感知机 + 反向传播（20，数值梯度自检）、PyTorch autograd 对照手推（22）、nn.Module 源码（23）、CNN 手算卷积（24）、RNN / LSTM 对齐 nn.RNN（25）、Transformer 注意力五连跳（26）、GAN 复现模式崩溃（27）、GNN 手搓图卷积（28）、Q-learning 网格世界（29）。主流架构全覆盖，每类都有一个能离线秒级跑的最小实现。
三个例子
-
感知机 ↔
SGDClassifier（第 04 讲）：十几行 NumPy 写出感知机学习规则，再打开 sklearn——它不是独立的类，而是SGDClassifier(loss='perceptron')的特例，真正干活的是 Cython 的_plain_sgd。手写版和它同数据对拍对得上。 -
决策树的 Cython 内核（第 08 讲）：手写版用 Python 实现分裂逻辑，能跑但慢；进
_tree.pyx/_splitter.pyx看真实树构建为什么整套用 Cython——分裂在最内层循环被调用成千上万次，Python 扛不住。 - 注意力五连跳（第 26 讲）：把 self-attention 拆成 Q/K/V 投影 → scaled dot-product → softmax → 加权求和 → 多头拼接五步，每步用小矩阵跑数字，再对照 PyTorch，注意力就只是几个矩阵乘法加一个 softmax。
下半：把 ML 用到交易 + 回测避坑（ML4T 课）
角度：金融脚手架 + 回测避坑
ML 交易教程大多止于”抓数据、训模型、画净值曲线”，而曲线里通常藏着前视/幸存者偏差、过拟合、成本忽略，教程不会告诉你。这套课的重心是：
- 金融脚手架：不预设你懂金融。收益率、夏普、最大回撤、alpha/beta、因子模型、IC、协整、前视/幸存者偏差，都用直觉边栏讲清，零金融基础能跟。
-
从零手搓最小可跑版：向量化回测器、因子 IC、组合优化、配对交易信号、卡尔曼对冲比、Q-learning 交易环境，纯 pandas/numpy 写一遍。全课交付 24 个实测通过的
.py。 - 深剖真实框架源码：backtrader 事件循环、Alphalens、statsmodels ARIMA/协整、PyPortfolioOpt 的 cvxpy 建模、gensim word2vec、SHAP TreeExplainer。
- 回测避坑贯穿全程：哪里漏未来信息、哪里高估收益，逐个点名 + 实测演示。
你会学到什么（ML4T 课，按组件分组）
- 因子（04–05）：因子类别与工程、TA-Lib、去极值/中性化；Alphalens 因子评估（前向收益/IC/分层/换手），深剖源码并用手搓版对拍。
- 回测（09–10，深剖标杆）：回测陷阱系统梳理；向量化 vs 事件驱动；深剖 backtrader 事件循环与防前视；手搓迷你 Pipeline 引擎跑”信号→组合→绩效”。
- 组合与绩效（06、16）：均值-方差/风险平价/最小方差/Kelly、有效前沿；深剖 PyPortfolioOpt 的 cvxpy 建模；层次风险平价 HRP 三步手搓。
- 时序与统计套利（11–13）：平稳性/ADF/ARIMA/GARCH，深剖 statsmodels 状态空间；协整与配对交易（z-score/半衰期）；卡尔曼估动态对冲比。
- ML 流程与模型（07–08、14–15）：金融交叉验证（手搓 Purged/Embargo Walk-Forward CV）；Fama-French 因子暴露；随机森林多空策略；梯度提升 alpha + SHAP 归因。
- NLP（17–19）：朴素贝叶斯情感分类、LDA 主题建模、word2vec 训练金融语料（深剖 gensim 源码）。
- 深度学习与强化学习（20–25）：前馈网络做交易及其坑、CNN 因果卷积、RNN 多元时序、自编码器条件风险因子、GAN 合成时序、手搓表格 Q-learning 交易智能体。第 26 讲收尾并给出”通向 qlib 的 6 步路线”。
回测避坑：这半篇最该带走的部分
回测的价值全看它有没有漏进未来信息、有没有高估收益。常见的坑逐个演示：
- 前视偏差：用了当时拿不到的信息。第 09 讲手搓向量化回测器时，直接演示”信号错位一格”如何让收益凭空变好。
- 幸存者偏差：只用今天还活着的标的回测，退市/被并购样本被剔除，收益被系统性抬高。第 03 讲点名，全课反复敲打。
- 过拟合与多重检验：同一段历史反复试参数试因子，总能试出好曲线。第 09 讲列为核心陷阱，第 07 讲用时序 CV 从流程上堵。
- 成本忽略：不算手续费和冲击，高换手策略看着能赚、实盘就亏。
三个亮点：第 09 讲深剖 backtrader 两条防前视机制（Lines 索引 close[0]/[-1]/[1] 区分当前/过去/未来；订单在下一根 K 线 open 成交 _try_exec_market，含 9 处真源码 + _runnext 三步循环）；第 05 讲手搓版对拍 Alphalens 0 差异（自写前向收益/IC 与 compute_forward_returns/factor_information_coefficient 逐值一致）；第 07 讲手搓 Purged Walk-Forward CV（时序不能随机洗牌，剖析 sklearn TimeSeriesSplit 哪里不够）。
建议的阅读顺序
先算法（ML 课）打牢：
- 第03讲 数学直觉与 NumPy 速成——后面所有手搓的前提。
- 第04讲 感知机：从零实现与 sklearn 剖析——三层解剖样板。
- 第05讲 Adaline：梯度下降与 SGD、第08讲 决策树、随机森林与 kNN、第15讲 集成学习。
- 深度学习入口：第20讲 多层神经网络从零实现 → 第22讲 PyTorch 入门 → 第26讲 Transformer 与注意力。
再上交易（ML4T 课）：
5. 第09讲 回测引擎：手搓向量化回测与陷阱——先建立”回测为什么容易骗人”的意识，全课定盘星。
6. 第04讲 alpha 因子研究 → 第05讲 用 Alphalens 评估因子。
7. 第07讲 机器学习流程与金融交叉验证 → 第08讲 线性模型 → 第06讲 组合优化与绩效评估。
8. 第12讲 协整与配对交易——一个完整的统计套利小策略，串起前面所有环节。
其余讲次按需插入，每讲都配可跑的 .py，建议边读边跑。
承上启下
上一层【工程·基础篇】把 Python 面向对象和 pandas 内核打牢，是写好这些手搓算法的工程底子；这一层把算法搞懂、并可信地用到交易上；下一层【工程·平台篇】进入 qlib——ML4T 第 26 讲的”通向 qlib 6 步路线”正是入口。完整地图见 量化工程能力知识图谱与学习路线。