Hierarchisches Clustering: einen Baum aus Gruppen aufbauen
Erfahren Sie, wie hierarchisches Clustering die jeweils nächstgelegenen Gruppen zu einem Baum zusammenführt und wie SurgeFlow es als eines von drei abstimmenden Modellen einsetzt.
Kategorie: Machine Learning
Einfach erklärt
Hierarchisches Clustering (hierarchical clustering) ist ein Verfahren, das Dinge in Gruppen einteilt, indem es immer wieder die beiden zusammenführt, die sich am ähnlichsten sind. Stellen Sie sich einen Raum voller Menschen vor: Zuerst reichen sich die beiden engsten Freunde die Hand, dann das Paar, das sich am zweitnächsten steht, und so weiter, bis alle in einem großen Stammbaum verbunden sind. Dieser Baum heißt Dendrogramm, und Sie können ihn auf jeder Höhe "durchschneiden", um festzulegen, wie viele Gruppen übrig bleiben. Der Computer findet diese Struktur selbstständig, ohne dass ihm jemand vorab die richtige Antwort nennt.
Was gemessen wird
Gemessen wird Nähe. Jedes Element (bei SurgeFlow eine Aktie) wird durch eine Reihe von Zahlen beschrieben, die Merkmale (Features), und "Abstand" ist schlicht, wie weit zwei Elemente auseinanderliegen, wenn man diese Zahlen vergleicht. Das Verfahren beginnt mit jedem Element für sich und führt dann immer wieder das nächstgelegene Paar zusammen, wobei jede Zusammenführung als Ast im Baum festgehalten wird. Schneidet man den Baum weit oben durch, erhält man wenige große Gruppen; schneidet man weit unten, erhält man viele kleine. - Start: Die Aktien A, B, C und D bilden jeweils eine eigene Gruppe. - A und B haben die ähnlichsten Merkmalswerte, also werden sie zuerst zusammengeführt. - C schließt sich als Nächstes der Gruppe A-B an, weil C von den verbleibenden am nächsten liegt. - Schneiden Sie den Baum hier durch, erhalten Sie zwei Cluster: {A, B, C} und {D}.
Wie SurgeFlow es nutzt
Der ML-Tab "Marktkarte" von SurgeFlow gruppiert Aktien danach, wie sich ihre Merkmale verhalten, nicht durch die Vorhersage von Kursen. Hierarchisches Clustering ist das dritte von drei Clustering-Modellen, die nebeneinander laufen. Weil kein einzelnes Verfahren perfekt ist, führt SurgeFlow ihre Ergebnisse zu einem Konsens zusammen, sodass die endgültigen Gruppierungen stabiler sind als die eines einzelnen Modells. Das ist rein beschreibend: Es zeigt, welche Aktien sich derzeit ähneln, nicht, welche steigen oder fallen werden. - Modell 1 und Modell 2 erzeugen jeweils eine eigene Gruppierung. - Hierarchisches Clustering erzeugt eine dritte, baumbasierte Gruppierung. - Die drei "stimmen ab" und bilden so eine Konsenskarte ähnlicher Aktien.
So lesen Sie es auf der Website
Öffnen Sie den ML-Tab (die "Marktkarte" unter /ml), um Aktien zu sehen, die Clustern mit ähnlichem Verhalten zugeordnet sind. Aktien im selben Cluster weisen derzeit ähnliche Merkmalsmuster auf; Aktien, die auf der Karte weit auseinanderliegen, ähneln sich im Moment weniger. Nutzen Sie die Karte als Lageüberblick, der Ihnen hilft, Gruppen und Ausreißer zu erkennen, nicht als Liste von Trades.
Was es Ihnen nicht sagen kann
Nähe im Merkmalsraum bedeutet, dass sich die Zahlen ähneln; sie belegt KEINEN wirtschaftlichen, geschäftlichen oder ursächlichen Zusammenhang zwischen diesen Aktien. Die Cluster sind beschreibende Momentaufnahmen, die sich mit neuen Daten verschieben können, und das Ergebnis hängt davon ab, welche Merkmale und welche Schnitthöhe gewählt wurden. Es gibt kein Kauf- oder Verkaufssignal und keine Prognose, und frühere Gruppierungen sagen nichts über künftige Renditen aus. SurgeFlow dient ausschließlich dem Research und der Wissensvermittlung, niemals der Anlageberatung. - Ähnliche Zahlen sind kein Beleg für einen tatsächlichen Zusammenhang. - Cluster ändern sich im Zeitverlauf und mit anderen Einstellungen. - Es wird keine Kursprognose und kein Kauf-/Verkaufssignal impliziert.