本书是金融与财务机器学习课程的教材。金融和财务领域集中了大量的交易数据和财务数据，为人工智能技术的运用奠定了良好的数据基础。同时，机器学习技术突飞猛进，为行业提供了跨越式发展的机会。在相关专业和方向开设“金融与财务机器学习”课程正当其时。

本书介绍了金融实证分析的主要方法和前沿问题、金融与财务机器学习的主要方法、评估方法和案例等。本书共12章，包括：金融与财务领域的机器学习，Python软件使用简介，金融与财务大数据的处理与分析，因子与因子模型，因子模型的估计、检验与解释，金融资产收益预测，包含惩罚项的线性回归模型，数据降维模型，树形模型与分类模型，神经网络模型，模型评估、训练与可解释性，文本分析。

本书可作为普通高等学校经济学和管理学类专业的高年级本科和研究生教材，也适合对金融和财务领域机器学习感兴趣的读者参考。