Hoeveel clusters? K kiezen op de ML-kaart
Lees hoe SurgeFlow bepaalt in hoeveel groepen aandelen worden ingedeeld, en waarom de groep van een aandeel van de ene op de andere dag kan veranderen.
Categorie: Machine learning
In gewone taal
Stel u voor dat u een doos LEGO-steentjes op de vloer leegkiepert en ze in stapeltjes sorteert. Maakt u 6 stapels of 10? Te weinig en elke stapel is een rommeltje; te veel en elke stapel is bijna leeg. Een computer staat voor dezelfde keuze wanneer hij aandelen in groepen indeelt op basis van hun gedrag. Dit artikel legt uit hoe SurgeFlow het aantal groepen kiest, en waarom een aandeel vandaag in de ene groep en morgen in een andere kan zitten.
Wat het meet
Een ‘cluster’ is gewoon een groep aandelen die er op basis van de cijfers op elkaar lijken (zaken als hoe snel de koers is bewogen, hoe beweeglijk hij is en hoe groot de onderneming is). ‘K’ is het aantal clusters dat u maakt. Om K te kiezen, geeft SurgeFlow elke optie een ‘silhouetscore’ (silhouette score) — een getal van -1 tot +1 dat de vraag stelt: ligt elk aandeel dichter bij de eigen groep dan bij de dichtstbijzijnde andere groep? Hoger betekent nettere, beter gescheiden groepen. Op zichzelf kan het silhouet echter misleid worden — daarom voegt SurgeFlow een regel toe dat geen enkele groep meer dan ongeveer 40% van de aandelen mag bevatten. - K = het aantal groepen; SurgeFlow probeert een bereik (6 tot 10) en houdt de netste indeling aan - Silhouet dicht bij +1 = schone, goed gescheiden groepen; dicht bij 0 = vage overlap - Klein voorbeeld: 100 aandelen. Het gewone silhouet zou er 90 in één megaklont kunnen stoppen en restjes overlaten — ‘netjes’ op papier, maar onbruikbaar - Het plafond op het maximale aandeel dwingt een bruikbaardere verdeling af, bijvoorbeeld meerdere groepen van uiteenlopende omvang in plaats van één gigantische
Hoe SurgeFlow het gebruikt
Dit is de motor achter het ML-tabblad ‘marktkaart’. Elke dag zet SurgeFlow elk aandeel om in een rij getallen en draait vervolgens drie verschillende groeperingsmethoden (K-means, een Gaussisch mengmodel en hiërarchische clustering); hun stemmen worden gecombineerd tot één gezamenlijk ‘consensus’-antwoord, zodat het resultaat niet leunt op de eigenaardigheden van één methode. Het model wordt elke dag vanaf nul opnieuw opgebouwd. Dat houdt de kaart actueel, maar betekent ook dat de groepen elke keer opnieuw worden getekend. Om een echte verandering te onderscheiden van louter herschikking, koppelt SurgeFlow de groepen van vandaag aan die van gisteren op basis van de overlap in leden (een techniek die Hungarian matching heet) en geeft elke groep een stabiel ID. - Drie methoden stemmen; het gezamenlijke antwoord is het ‘consensus’-cluster - Dagelijks opnieuw getraind — elke dag een nieuwe kaart, geen bevroren kaart - Stabiele ID's koppelen de groepen van vandaag aan die van gisteren op basis van overlap in leden - Zo wijst ‘van groep gewisseld’ op een echte verschuiving in het gedrag van een aandeel, niet slechts op een nieuw label
Hoe u het op de site leest
Open het ML-tabblad (de ‘marktkaart’ op /ml) en kies een markt. U ziet de clusters van die dag als kaarten — klik op een kaart om de tabel te filteren op alleen de leden ervan. Een paneel ‘van groep gewisseld’ toont aandelen die sinds de vorige run van het ene naar het andere cluster zijn verschoven, en een cijfer ‘dagen in cluster’ vertelt u hoeveel dagelijkse runs een aandeel op zijn plek is gebleven. Beschouw dit alles als een beschrijving van hoe aandelen zich vandaag groeperen, niet als een voorspelling of een koop-/verkoopsignaal. - Clusterkaarten: klik om te zien welke aandelen in elke groep zitten - ‘Van groep gewisseld’: namen die sinds de vorige run van cluster zijn gewisseld - ‘Dagen in cluster’: opeenvolgende dagelijkse runs in dezelfde groep (geen kalenderdagen) - Groepsnamen (bijv. ‘high-vol’, ‘deep-value’) zijn automatisch gegenereerde labels, geen oordelen
Wat het u niet kan vertellen
Clustering beschrijft structuur — welke aandelen er op dit moment op elkaar lijken — en voorspelt geen rendementen of vertelt u niet wat u moet kopen of verkopen. Het aantal groepen is een kwestie van afweging, geen natuurwet: een andere K, of een iets andere set aandelen in de steekproef, kan het beeld verschuiven. Omdat het model dagelijks opnieuw wordt opgebouwd, zijn de ID's naar beste vermogen stabiel, niet permanent — als veel nieuwe aandelen de steekproef in- of uitgaan, kunnen groepen splitsen, samengaan of herschikt worden om redenen die niets met een individuele onderneming te maken hebben. Een melding ‘van groep gewisseld’ is een aanleiding om beter te kijken, nooit op zichzelf een conclusie. - Geen advies en geen voorspelling — het beschrijft vandaag, het voorspelt morgen niet - Aantal en vorm van de groepen hangen af van de gekozen K en de huidige steekproef - ID's zijn naar beste vermogen stabiel, niet permanent; een veranderende steekproef kan groepen herschikken - Vergelijkbaar gedrag is niet hetzelfde als een gedeelde oorzaak — correlatie is geen causaliteit