GMM en zachte clustering: een introductie

Leer wat een Gaussian Mixture Model is, hoe het elk aandeel een kans toekent om tot een groep te behoren, en waarom dat een schatting van de aansluiting is en geen voorspelling.

Categorie: Machine learning

In gewone taal

Stel u voor dat u een zak knikkers op kleur in groepjes sorteert. Bij "harde" sortering komt elke knikker in precies één stapel. "Zachte" sortering is milder: een blauwgroene knikker kan voor 70% blauw en voor 30% groen zijn, en hoort dus gedeeltelijk bij twee stapels tegelijk. Een Gaussian Mixture Model, of GMM, is een methode die op deze zachte manier sorteert. SurgeFlow gebruikt het om na te gaan welke aandelen er vandaag op elkaar lijken, waarbij elk aandeel een kans krijgt om tot elke groep te behoren in plaats van in één hokje te worden gedwongen.

Wat het meet

Een GMM gaat ervan uit dat de gegevens bestaan uit een paar overlappende "wolken" (elk een klokvormige wolk, een zogeheten Gaussische verdeling). Voor elk aandeel levert het een posterieure kans (posterior probability): hoe goed dat aandeel bij elke wolk past, waarbij de getallen samen 100% zijn. Een hogere kans voor een groep betekent dat het aandeel dichter bij het midden van de wolk van die groep ligt. Dit is een maat voor de AANSLUITING, niet voor een toekomstige koersbeweging. - Wolk van groep A = aandelen met "hoge volatiliteit"; wolk van groep B = "stabiele" aandelen. - Een aandeel kan uitkomen op 80% groep A, 20% groep B. - Een ander aandeel met een verdeling van 55%/45% zit op de grens tussen beide. - De 80% is vertrouwen in de groepsindeling, nooit een kans van 80% op een stijging.

Hoe SurgeFlow het gebruikt

GMM is een van de drie clusteringmethoden achter het ML-tabblad "marktkaart" (op /ml), dat dagelijks beschrijvend weergeeft welke aandelen op elkaar lijken. SurgeFlow draait KMeans, GMM en een derde methode, en combineert die vervolgens tot één gezamenlijk vastgestelde groep per aandeel. De zachte kans van het GMM (de posterior) wordt verwerkt in een betrouwbaarheidsscore voor het cluster: ruwweg voor de helft gebaseerd op de mate waarin de methoden het eens zijn en voor de helft op de GMM-posterior. Een hoge betrouwbaarheid betekent dus dat het model zeker is van de groep waartoe een aandeel behoort, niet dat het aandeel een goede aankoop is.

Hoe u het op de site leest

Open het ML-tabblad (/ml) en kies een markt. U ziet clusterkaarten (elk een groep met een beschrijvende naam zoals "momentum" of "deep-value") en een tabel met tickers. Bij elk aandeel staat een betrouwbaarheidswaarde: hoger betekent dat het stevig binnen zijn groep ligt, lager betekent dat het tussen twee groepen in zit en tussen dagelijkse runs van groep kan wisselen. Klik op een clusterkaart om de tabel te filteren op alleen de leden van die groep. - Hoge betrouwbaarheid: het aandeel is een duidelijk, centraal lid van zijn groep. - Lage betrouwbaarheid: grensgeval; houd er rekening mee dat het na verloop van tijd van groep kan wisselen. - Clusternamen beschrijven gedeelde kenmerken en zijn geen aanbevelingen.

Wat het u niet kan vertellen

Het belangrijkste voorbehoud: GMM-kansen zijn de schatting van het model van hoe goed een aandeel vandaag in een statistische wolk PAST, niet de kans op enige beleggingsuitkomst. Een betrouwbaarheid van 90% betekent geen kans van 90% op winst, en zelfs geen enkele kans op winst. Clustering beschrijft structuur; het voorspelt geen rendementen en geeft geen koop- of verkoopsignaal. De groepen hangen bovendien af van de aannames van het model, de gekozen kenmerken en de gegevens van de dag, en kunnen dus veranderen als de omstandigheden veranderen. - Geen voorspelling: hoge betrouwbaarheid ≠ waarschijnlijke stijging. - Gaat ervan uit dat gegevens nette klokvormige wolken vormen, wat slechts een benadering is. - Groepsnamen zijn een verkorte aanduiding van gedeelde kenmerken, geen kwaliteitsoordelen. - SurgeFlow is onderzoek en educatie, nooit beleggingsadvies.