Kuinka monta klusteria? K:n valinta ML-kartalla
Lue, miten SurgeFlow päättää, kuinka moneen ryhmään osakkeet jaetaan, ja miksi osakkeen ryhmä voi vaihtua päivästä toiseen.
Luokka: Koneoppiminen
Selkokielellä
Kuvittele, että kaadat laatikollisen LEGO-palikoita lattialle ja lajittelet ne kasoihin. Tehdäänkö kasoja 6 vai 10? Jos niitä on liian vähän, jokainen kasa on sekamelska; jos liian monta, jokainen kasa on lähes tyhjä. Tietokone on saman valinnan edessä, kun se jakaa osakkeita ryhmiin niiden käyttäytymisen perusteella. Tässä artikkelissa kerrotaan, miten SurgeFlow valitsee ryhmien määrän ja miksi osake voi olla tänään yhdessä ryhmässä ja huomenna toisessa.
Mitä se mittaa
'Klusteri' on yksinkertaisesti ryhmä osakkeita, jotka näyttävät lukujen valossa samankaltaisilta (esimerkiksi se, kuinka nopeasti kurssi on liikkunut, kuinka paljon se heiluu ja kuinka suuri yhtiö on). 'K' on muodostettavien klusterien määrä. K:n valitsemiseksi SurgeFlow antaa jokaiselle vaihtoehdolle 'siluettipistemäärän' (silhouette score) — luvun väliltä -1 ja +1, joka vastaa kysymykseen: onko jokainen osake lähempänä omaa ryhmäänsä kuin lähintä toista ryhmää? Suurempi luku tarkoittaa siistimpiä ja paremmin toisistaan erottuvia ryhmiä. Yksinään siluetti voi kuitenkin johtaa harhaan — siksi SurgeFlow lisää säännön, jonka mukaan yksikään ryhmä ei saa sisältää enempää kuin noin 40% osakkeista. - K = ryhmien määrä; SurgeFlow kokeilee vaihteluväliä (6–10) ja pitää siisteimmän jaon - Siluetti lähellä arvoa +1 = selkeät, hyvin erottuvat ryhmät; lähellä arvoa 0 = epämääräinen päällekkäisyys - Pieni esimerkki: 100 osaketta. Pelkkä siluetti saattaisi niputtaa 90 osaketta yhteen jättimöykkyyn ja jättää loput rippeiksi — paperilla 'siistiä' mutta käyttökelvotonta - Osuuskatto pakottaa käyttökelpoisempaan jakoon, esimerkiksi useisiin erikokoisiin ryhmiin yhden jättiryhmän sijaan
Miten SurgeFlow käyttää sitä
Tämä on ML-välilehden 'markkinakartan' moottori. SurgeFlow muuntaa joka päivä jokaisen osakkeen lukuriviksi ja ajaa sen jälkeen kolme eri ryhmittelymenetelmää (K-means, gaussinen sekoitemalli ja hierarkkinen klusterointi). Niiden äänet yhdistetään yhdeksi yhteiseksi 'konsensus'-vastaukseksi, jotta tulos ei nojaa minkään yksittäisen menetelmän erityispiirteisiin. Malli rakennetaan joka päivä alusta alkaen uudelleen. Se pitää kartan ajan tasalla mutta tarkoittaa myös, että ryhmät piirretään joka kerta uudestaan. Jotta todellinen muutos voidaan erottaa pelkästä uudelleenjärjestelystä, SurgeFlow yhdistää tämän päivän ryhmät eilisiin sen perusteella, kuinka paljon niiden jäsenistö on päällekkäistä (tekniikka, jota kutsutaan nimellä Hungarian matching), ja antaa jokaiselle ryhmälle vakaan tunnisteen. - Kolme menetelmää äänestää; yhteinen vastaus on 'konsensus'-klusteri - Malli koulutetaan uudelleen päivittäin — joka päivä syntyy uusi kartta, ei jäädytettyä versiota - Vakaat tunnisteet yhdistävät tämän päivän ryhmät eilisiin jäsenistön päällekkäisyyden perusteella - Näin 'ryhmä vaihtunut' kertoo todellisesta muutoksesta osakkeen käyttäytymisessä eikä pelkästä uudesta nimilapusta
Miten sitä luetaan sivustolla
Avaa ML-välilehti ('markkinakartta' osoitteessa /ml) ja valitse markkina. Päivän klusterit näkyvät kortteina — napsauta korttia, niin taulukko suodattuu näyttämään vain sen jäsenet. 'Ryhmä vaihtunut' -paneeli luettelee osakkeet, jotka ovat siirtyneet klusterista toiseen edellisen ajon jälkeen, ja 'päivät klusterissa' -luku kertoo, kuinka monta päivittäistä ajoa osake on pysynyt paikallaan. Kaikkea tätä on pidettävä kuvauksena siitä, miten osakkeet ryhmittyvät tänään, ei ennusteena eikä osto- tai myyntisignaalina. - Klusterikortit: napsauta nähdäksesi, mitkä osakkeet kuuluvat kuhunkin ryhmään - 'Ryhmä vaihtunut': osakkeet, jotka ovat vaihtaneet klusteria edellisen ajon jälkeen - 'Päivät klusterissa': peräkkäiset päivittäiset ajot samassa ryhmässä (ei kalenteripäiviä) - Ryhmien nimet (esim. 'high-vol', 'deep-value') ovat automaattisesti luotuja nimilappuja, eivät arvioita
Mitä se ei voi kertoa
Klusterointi kuvaa rakennetta — sitä, mitkä osakkeet näyttävät juuri nyt samankaltaisilta — se ei ennusta tuottoja eikä kerro, mitä pitäisi ostaa tai myydä. Ryhmien määrä on harkintakysymys, ei luonnonlaki: toinen K tai hieman erilainen osakejoukko otoksessa voi muuttaa kuvaa. Koska malli rakennetaan päivittäin uudelleen, tunnisteet pyritään pitämään vakaina, mutta ne eivät ole pysyviä — jos otokseen tulee tai siitä poistuu paljon osakkeita, ryhmät voivat jakautua, yhdistyä tai järjestyä uudelleen syistä, joilla ei ole mitään tekemistä yksittäisen yhtiön kanssa. 'Ryhmä vaihtunut' -merkintä on kehotus katsoa tarkemmin, ei koskaan johtopäätös sellaisenaan. - Ei neuvontaa eikä ennuste — se kuvaa tätä päivää, ei ennusta huomista - Ryhmien määrä ja muoto riippuvat valitusta K:sta ja nykyisestä otoksesta - Tunnisteet pyritään pitämään vakaina, mutta ne eivät ole pysyviä; muuttuva otos voi järjestää ryhmät uudelleen - Samankaltainen käyttäytyminen ei ole sama asia kuin yhteinen syy — korrelaatio ei ole kausaliteettia