要分几群?在 ML 地图上挑选 K
了解 SurgeFlow 如何决定要把股票分成几群,以及为什么一只股票的所属群组可能今天和明天不一样。
类别:机器学习
用大白话解释
想象把一盒乐高积木倒在地上,再把它们分成几堆。你该分成 6 堆还是 10 堆?分得太少,每一堆都乱成一团;分得太多,每一堆又几乎是空的。当电脑按照股票的行为表现把它们分群时,也面临同样的抉择。本文说明 SurgeFlow 如何挑选群组的数量,以及为什么一只股票今天落在某一群、明天却可能落在另一群。
它衡量什么
所谓“聚类(cluster)”,就是一群在数字上看起来相似的股票(像是价格走得多快、波动有多剧烈、公司规模有多大这类指标)。“K”就是你要分出几个聚类。为了挑选 K,SurgeFlow 会用“轮廓系数(silhouette score)”给每个选项打分——这是一个从 -1 到 +1 的数字,用来问:每只股票是不是离自己这一群比离最近的另一群更近?分数越高,代表群组分得越干净、彼此区隔越清楚。不过单靠轮廓系数可能被误导,所以 SurgeFlow 另外加了一条规则:任何单一群组所含的股票,都不得超过全部的约 40%。 - K = 群组的数量;SurgeFlow 会试一个范围(6 到 10),并保留分得最干净的那个 - 轮廓系数接近 +1 = 群组干净、区隔清楚;接近 0 = 界线模糊、彼此重叠 - 小例子:100 只股票。单纯的轮廓系数可能把 90 只全倒进一个超大群、剩下零星几只——账面上“干净”,实际上毫无用处 - 最大占比上限会逼出更有用的切法,例如分成几个大小不一的群组,而不是一个超大群
SurgeFlow 如何使用它
这正是 ML“市场地图”标签页背后的引擎。SurgeFlow 每天会把每只股票转换成一行数字,接着跑三种不同的分群方法(K-means、高斯混合模型(GMM)和层次聚类),再把它们的投票结果整合成单一的“共识(consensus)”答案,这样结果就不会偏向任何单一方法的怪癖。模型每天都从头重建,这让地图保持最新,但也意味着群组每次都会重新划分。为了把真正的变动和单纯的重新洗牌区分开来,SurgeFlow 会按照成员的重叠程度,把今天的群组对应到昨天的群组(一种称为匈牙利匹配(Hungarian matching)的技巧),并给每个群组一个稳定的 ID。 - 三种方法投票;取得共识的答案就是“共识”聚类 - 每天重新训练——每天都是一张全新的地图,而非冻结不变的 - 稳定 ID 按成员重叠程度,把今天的群组连到昨天的群组 - 因此“换群”标记反映的是股票行为的真实移动,而不只是换了个标签
如何在网站上解读
打开 ML 标签页(位于 /ml 的“市场地图”)并选择一个市场。你会看到当天的各个聚类以卡片形式呈现——点一张卡片,就能把表格筛选到只剩该群的成员。一个“换群”面板会列出自上次跑模型以来、从某一群移动到另一群的股票,而“在群天数”这个数字会告诉你某只股票连续停留在同一群已经跑了几次。请把这一切都当成对股票今天如何分群的描述,而不是一种预测或买入/卖出信号。 - 聚类卡片:点一下即可看到每群里有哪些股票 - “换群”:自上次跑模型以来跳到别群的股票名称 - “在群天数”:连续停留在同一群的每日跑数(不是日历天数) - 群组名称(例如“高波动”、“深度价值”)是自动生成的标签,不是判断结论
它无法告诉你什么
聚类描述的是结构——哪些股票此刻看起来相似——它并不预测收益,也不会告诉你该买或该卖什么。群组的数量是一种判断,而非自然法则:换一个 K,或样本中的股票稍有不同,都可能让画面改变。由于模型每天重建,这些 ID 是尽力而为的,而非永久固定——如果有许多新股票进入或离开样本,群组可能会分裂、合并或重新洗牌,原因与任何一家公司都无关。“换群”标记是一个提示你进一步观察的信号,本身绝不是结论。 - 不是建议,也不是预测——它描述今天,并不预测明天 - 群组的数量和形状取决于所选的 K 和当前的样本 - ID 是稳定的尽力而为,而非永久;变动的样本可能让群组重新洗牌 - 行为相似不等于有共同的成因——相关性不等于因果关系