全書內容分為三篇。第一篇為基礎篇，主要介紹量化投資與數據挖掘的關系，以及數據挖掘的概念、實現過程、主要內容、主要工具等內容。第二篇為技術篇，系統介紹了數據挖掘的相關技術及這些技術在量化投資中的應用，主要包括數據的准備、數據的探索、關聯規則方法、數據回歸方法、分類方法、聚類方法、預測方法、診斷方法、時間序列方法、智能優化方法等內容。第三篇為實踐篇，主要介紹數據挖掘技術在量化投資中的綜合應用實例，包括統計套利策略的挖掘與優化、配對交易策略的挖掘與實現、數據挖掘在股票程序化交易中的綜合應用，以及基於數據挖掘技術的量化交易系統的構建。本書的讀者對象為從事投資、數據挖掘、數據分析、數據管理工作的專業人士；金融、經濟、管理、統計等專業的教師和學生；希望學習MATLAB的廣大科研人員、學者和工程技術人員。卓金武，MathWorks中國科學計算業務總監，主要職責是向中國區MATLAB正版用戶提供數據挖掘和量化投資解決方案。曾2次獲全國大學生數學建模競賽一等獎 (2003, 2004)，1次獲全國研究生數學建模競賽一等獎 (2007)；主編三著兩部:《MATLAB在數學建模中的應用》（第一版和第二版），《量化投資：數據挖掘技術與實踐(MATLAB版)》。

第一篇 基礎篇 第1章 緒論 1.1 量化投資與數據挖掘的關系 1.1.1 什麼是量化投資 1.1.2 量化投資的特點 1.1.3 量化投資的核心——量化模型 1.1.4 量化模型的主要產生方法——數據挖掘 1.2 數據挖掘的概念和原理 1.2.1 什麼是數據挖掘 1.2.2 數據挖掘的原理 1.3 數據挖掘在量化投資中的應用 1.3.1 宏觀經濟分析 1.3.2 估價 1.3.3 量化選股 1.3.4 量化擇時 1.3.5 算法交易 1.4 本章小結 參考文獻 第2章 數據挖掘的內容、過程及工具 2.1 數據挖掘的內容 2.1.1 關聯 2.1.2 回歸 2.1.3 分類 2.1.4 聚類 2.1.5 預測 2.1.6 診斷 2.2 數據挖掘過程 2.2.1 數據挖掘過程概述 2.2.2 挖掘目標的定義 2.2.3 數據的准備 2.2.4 數據的探索 2.2.5 模型的建立 2.2.6 模型的評估 2.2.7 模型的部署 2.3 數據挖掘工具 2.3.1 MATLAB 2.3.2 SAS 2.3.3 SPSS 2.3.4 WEKA 2.3.5 R 2.3.6 工具的比較與選擇 2.4 本章小結 參考文獻 第3章 MATLAB快速入門 3.1 MATLAB快速入門 3.1.1 MATLAB概要 3.1.2 MATLAB的功能 3.1.3 快速入門案例 3.1.4 入門后的提高 3.2 MATLAB常用技巧 3.2.1 常用標點的功能 3.2.2 常用操作指令 3.2.3 指令編輯操作鍵 3.2.4 MATLAB數據類型 3.3 MATLAB開發模式第二篇 技術篇 第4章 數據的准備 第5章 數據的探索 第6章 關聯規則方法 第7章 數據回歸方法 第8章 分類方法 第9章 聚類方法 第10章 預測方法 第11章 診斷方法 第12章 時間序列方法 第13章 智能優化方法第三篇 實踐篇 第14章 統計套利策略的挖掘與優化 第15章 配對交易策略的挖掘與實現 第16章 基於Wind數據的程序化交易 第17章 基於Quantrader平台的量化投資 第18章 基於數據挖掘技術的量化交易系統