这门《Python量化多因子选股与机器学习》五课时课程，带你走完从原始因子数据到可回测因子池的关键流程。课程以Python实战为主线，先讲缺失值填充、去极值、行业市值中性化和标准化，再通过qcut分组检验因子单调性，随后深入IC、IR与因子收益率的横截面计算，最后用IC均值大于0.03、因子相关性大于0.8两轮筛选，生成按季度更新的动态因子列表。适合具备一定Python和金融数据基础，希望系统入门多因子选股、因子有效性检验或机器学习收益预测的学习者。学完后，你不仅能理解数据质量、中性化和因子筛选为何决定策略成败，还能掌握一套可复用的代码流程，为后续回测、组合构建和机器学习建模打下扎实基础。