层次聚类 (Hierarchical Clustering):构建一棵分组树

了解层次聚类如何把最相近的群组逐步合并成一棵树,以及 SurgeFlow 如何把它作为三个投票模型之一来使用。

类别:机器学习

用大白话解释

层次聚类 (hierarchical clustering) 是一种分组方法,它的做法是反复地把最相似的两个对象结合到一起。想象一个挤满人的房间:先是最要好的两个朋友牵起手,接着是下一对最接近的人,如此继续下去,直到所有人都连成一棵巨大的家族树。这棵树叫做树状图 (dendrogram),你可以在任意高度「切一刀」来决定最后分成几组。计算机会自己找出这个结构,事先不需要任何人告诉它正确答案。

它衡量什么

它衡量的是相近程度。每个对象(对 SurgeFlow 来说就是一只股票)都由一串数字来描述,这串数字称为特征 (features),而「距离」就是当你比较这些数字时,两个对象彼此相隔多远。这个方法一开始让每个对象各自成为一组,然后不断把最接近的一对合并起来,并把每一次合并都记录成树上的一根分枝。在树的高处切,会得到少数几个大组;在低处切,则会得到许多个小组。 - 起点:股票 A、B、C、D 各自是一组。 - A 和 B 的特征数字最相似,所以它们最先合并。 - C 接着加入 A-B 这一组,因为它是剩下的对象中最接近的。 - 在这里把树切开,你就会得到两个聚类:{A, B, C} 和 {D}。

SurgeFlow 如何使用它

SurgeFlow 的 ML「市场地图」标签页是依股票的特征表现方式来分组,而不是用来预测股价。层次聚类是三个并排运行的聚类模型中的第三个。因为没有任何单一方法是完美的,SurgeFlow 会把它们的结果融合成一个共识 (consensus),使得最终的分组比任何单一模型都更为稳定。这纯粹是描述性的:它显示目前哪些股票看起来相像,而不是哪些股票会涨或会跌。 - 模型 1 和模型 2 各自产生自己的分组。 - 层次聚类产生第三种、以树为基础的分组。 - 这三者「投票」,形成一张相似股票的共识地图。

如何在网站上解读

打开 ML 标签页(位于 /ml 的「市场地图」),就能看到股票被放进一个个由相像行为构成的聚类中。同一个聚类里的股票目前共享相似的特征形态;在地图上彼此相隔很远的股票,目前则比较不相像。请把它当作一张掌握全局的概览,帮助你发现各个群组和异常值,而不是一份交易清单。

它无法告诉你什么

在特征空间中彼此接近,意味着这些数字看起来相似;它并不能证明这些股票之间存在任何经济上、业务上或因果上的关联。这些聚类是描述性的快照,会随着新数据到来而改变,而且结果取决于选了哪些特征以及切的高度 (cut-height)。它不提供任何买入或卖出信号,也不提供任何预测,而过去的分组并不是对未来收益的预测。SurgeFlow 只是研究与教育,绝非投资建议。 - 数字相似并不能证明存在真实的关联。 - 聚类会随时间以及不同设置而改变。 - 其中不隐含任何股价预测,也不隐含任何买卖信号。