Hiërarchische clustering: een boom van groepen bouwen

Lees hoe hiërarchische clustering de dichtstbijzijnde groepen samenvoegt tot een boom, en hoe SurgeFlow de methode inzet als een van drie stemmende modellen.

Categorie: Machine learning

In gewone taal

Hiërarchische clustering (hierarchical clustering) is een manier om dingen in groepen in te delen door telkens de twee die het meest op elkaar lijken samen te voegen. Stel u een zaal vol mensen voor: eerst geven de twee beste vrienden elkaar een hand, dan het volgende meest verwante paar, enzovoort, totdat iedereen verbonden is in één grote stamboom. Die boom heet een dendrogram, en u kunt hem op elke hoogte "doorknippen" om te kiezen hoeveel groepen u overhoudt. De computer vindt deze structuur zelfstandig, zonder dat iemand hem vooraf het juiste antwoord vertelt.

Wat het meet

Het meet nabijheid. Elk item (voor SurgeFlow een aandeel) wordt beschreven door een reeks getallen, de kenmerken (features), en "afstand" is simpelweg hoe ver twee items uit elkaar liggen wanneer u die getallen vergelijkt. De methode begint met elk item afzonderlijk en voegt daarna steeds het dichtstbijzijnde paar samen, waarbij elke samenvoeging als een tak in de boom wordt vastgelegd. Knipt u de boom hoog door, dan krijgt u een paar grote groepen; knipt u laag, dan krijgt u veel kleine. - Start: de aandelen A, B, C en D vormen elk een eigen groep. - A en B hebben de meest vergelijkbare kenmerkwaarden, dus zij worden als eerste samengevoegd. - C sluit zich daarna aan bij de groep A-B, omdat C het dichtst bij ligt van wat overblijft. - Knip de boom hier door en u krijgt twee clusters: {A, B, C} en {D}.

Hoe SurgeFlow het gebruikt

Het ML-tabblad "marktkaart" van SurgeFlow groepeert aandelen op basis van het gedrag van hun kenmerken, niet door koersen te voorspellen. Hiërarchische clustering is het derde van drie clusteringmodellen die naast elkaar draaien. Omdat geen enkele methode perfect is, combineert SurgeFlow hun uitkomsten tot een consensus, zodat de uiteindelijke groeperingen stabieler zijn dan die van één model afzonderlijk. Dit is puur beschrijvend: het laat zien welke aandelen op dit moment op elkaar lijken, niet welke zullen stijgen of dalen. - Model 1 en Model 2 maken elk hun eigen groepering. - Hiërarchische clustering maakt een derde, op een boom gebaseerde groepering. - De drie "stemmen" samen tot een consensuskaart van vergelijkbare aandelen.

Hoe u het op de site leest

Open het ML-tabblad (de "marktkaart" op /ml) om aandelen te zien die zijn ingedeeld in clusters met vergelijkbaar gedrag. Aandelen in hetzelfde cluster delen op dit moment vergelijkbare kenmerkpatronen; aandelen die ver uit elkaar op de kaart staan, lijken nu minder op elkaar. Gebruik het als overzicht van het speelveld dat u helpt groepen en uitschieters te herkennen, niet als lijst met transacties.

Wat het u niet kan vertellen

Dicht bij elkaar liggen in de kenmerkruimte betekent dat de getallen op elkaar lijken; het bewijst GEEN economisch, zakelijk of oorzakelijk verband tussen die aandelen. De clusters zijn beschrijvende momentopnamen die kunnen verschuiven wanneer er nieuwe gegevens binnenkomen, en de uitkomst hangt af van welke kenmerken en welke kniphoogte zijn gekozen. Het geeft geen koop- of verkoopsignaal en geen voorspelling, en eerdere groeperingen zijn geen voorspelling van toekomstige rendementen. SurgeFlow is uitsluitend bedoeld voor onderzoek en educatie, nooit als beleggingsadvies. - Vergelijkbare getallen zijn geen bewijs van een werkelijk verband. - Clusters veranderen in de tijd en bij andere instellingen. - Er wordt geen koersvoorspelling en geen koop- of verkoopsignaal geïmpliceerd.