这门课以“机器学习+资产定价”顶刊论文为范本，带你完整拆解美股实证框架：从约3万只股票、94个特征与宏观变量构建，到横截面标准化、频率对齐、宏观与个股特征交互，再到13种传统机器学习模型、年度滚动预测、样本外R²与DM检验。课程不仅讲预测，还深入特征重要性、敏感性分析，以及按预测收益做多前10%、做空后10%的投资组合回测，回答“模型能否转化为经济价值”。适合金融、经济、数据科学背景的学生、研究者和量化从业者，尤其适合想精读顶刊、复现机器学习资产定价、或将其迁移到中国股市的人。学完后，你将掌握从数据构建、特征工程、模型训练到绩效评价与组合回测的完整流程，建立可解释性与经济价值优先的研究视角，并了解个人算力有限时的简化复现路径。