SkLearn 对上证50成分股聚类

最新推荐文章于 2024-06-24 19:08:35 发布
置顶 最新推荐文章于 2024-06-24 19:08:35 发布
阅读量1.1w 收藏 38
点赞数 2
分类专栏： Python 量化投资 机器学习 金融 量化交易系统 文章标签： 股票 聚类 sklearn 投资
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/matrix_laboratory/article/details/50738917
版权
本文探讨了通过聚类优化投资组合的理论，特别是在上证50成分股中的应用。利用sklearn库的affinity_propagation算法对股票交易数据进行聚类，以降低组合风险并提高收益。文章展示了不同聚类因子下的结果，并讨论了如何选择合适的因子。
摘要由CSDN通过智能技术生成

1. 为什么要对股票进行聚类

1.1 投资组合优化理论

股票聚类的基本原因就是从股市中选取一部股票进行投资。哪怕是上证50对一般的投资模型来说50条股票也太多了。
按照投资组合优化理论选取标准为：
（1）资产数越多越好
（2）资产之间相关系数越低越好

以期望收益E来衡量证券收益，以收益的方差 δ2 表示投资风险
　　 minδ2(rp)=∑∑wiwjcov(

最低0.47元/天 解锁文章
微岩
关注
专栏目录
机器学习：基于Sklearn、XGBoost，使用逻辑回归、支持向量机和XGBClassifier预测股票价格
君子不器 大道无方
05-02 3096
在这篇文章中，我们将探讨如何通过使用逻辑回归、支持向量机和XGBClassifier来预测一个信号，并且讨论该信号对于购买特定股票是否有帮助？支持
上证50成分股聚类可视化
RealEmperor 博客
07-10 1284
上证50股票聚类可视化 参考：sklearn中的股票可视化例子 Visualizing the stock market structure 代码如下： # 上证50股票聚类可视化 # 参考：https://scikit-learn.org/dev/auto_examples/applications/plot_stock_market.html#sphx-glr-auto-examples-a...
机器学习刻画股票市场结构和可视化——以上证50成分股为例
Python金融量化
12-11 3187
引言股票市场的波动往往存在一定的共振，尤其是同一个行业或主题概念的公司股票，当面临行业基本面的冲击时，其波动存在一定的相似性，即表现出同涨同跌。如果能通过交易行情数据对股票市场的波动结构...
机器学习之SKlearn（scikit-learn）的K-means聚类算法
最新发布
人工智能研究所的博客
06-24 1185
Scikit learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一.
【数据挖掘】对多支股票进行聚类分析(python)
菜鸟博客
06-17 3991
python K-means聚类 批量读取文件夹
深度学习基础系列（四）之 sklearn SVM
My Honor！ My World！
06-05 2428
1、背景1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表1.3 深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法2、举例2.1 例子 两类？哪条线最好？2.2
【点宽专栏】国信证券——关于量化选股之聚类分析的探讨
Digquant的博客
01-12 1685
前言 本文基于《国信技术面量化选股系列：价格路径对收益的影响》（国信证券：20160909）和《基于k-means聚类的多因子特征检验》（国信证券：20161205）两份研报（研报见评论一附件）的思路进行实证和探讨。上述两份研报在下文中分别简称为《价格》和《聚类》。 研报内容简述 1.《价格》一文探讨了已实现波动率、偏度和峰度对收益的影响并主要得到了以下结论： 在上述三个指标的计算中，基于5分钟数据计算的三指标为有效选股因子，但用日数据则失效。 上述三因子在周度和月度范围内都是有效指标，即对时间周期不敏感.
通过聚类算法分析股票，选股的策略代码如下（一）！
GJ57017_wx的博客
04-25 403
print("数组中包含 NaN 的数量:", nan_count)2、K-mean选2类，大家可是看看是不是大市值和小市值这两类！3、这里博主K-mean选了10类，可以根据自己需求更改！3、热门股票们（龙头们）是会有聚类现象的，可以辅助分析！print("最大值:", max_value)print("最小值:", min_value)1、对冲关系的股票必定是存在两种不同聚类之中！2、时间只是分析了2023年至今的分类情况！1、这里用的是涨跌幅做聚类，特征并不多！#剔除停牌、新股及退市股票。
上证50成分股聚类分析
jianghuming的博客
07-04 1891
使用tushare我们可以获取上证50成分股历史数据，使用covariance对其历史数据进行聚类分析，我们可以得到其相关强度，对此，在其相关股价显著变化的时候，我们就可以根据其相关性进行套利赚钱。当然这只是理论分析而已。tushare工具：http://tushare.org/结果分析：Cluster 1: 中国石化, 中国石油Cluster 2: 保利地产, 华夏幸福Cluster...
上证50股票聚类分析1
08-03
在这个案例中，研究者聚焦于上证50指数的成分股，这是一个包含了上海交易所市值最大、流动性最好的50家公司的股票指数。通过聚类分析，可以将这些股票依据某些共同特征或走势进行分组，以便更好地理解市场动态。 ...
聚类分析上证50成分股
Learning
03-11 1039
2020年3月10日是个划时代的日子，在全球主要市场一片惨淡的时刻，我们的大A终于走出了独立行情。 为了纪念这一天，我决定用EM聚类算法对上证50的成分股做一次聚类，将其划分为十类。 然后，我将从每类中随机选一只，打包一个投资组合，以上帝视角回测一下，PK一下ETF指数基金。 数据为10日收盘时，50只成分股收盘时的涨跌幅、成交额、大单流入额等指标。 数据加载 原始数据我已经清洗完毕...
python sklearn 聚类图像量化
廷益_飞鸟的博客
08-24 591
文件下载地址: 链接: https://pan.baidu.com/s/1VJjvedvqULbGZLku8Ce6WA 提取码: 4bmu """ 使用聚类算法 对图像量化 图像量化 将图像 0-255 变成设定的值类型种类 """ import numpy as np import cv2 import sklearn.cluster as sc import matplotlib.pyplot as mp # 加载图片 original = cv2.imread("./lily.jpg
sklearn笔记15 str类型的数据量化操作
weixin_44632711的博客
11-01 279
完整代码 sklearn代码10 8-encoding 导包 import numpy as np import pandas as pd from pandas import Series,DataFrame from sklearn.preprocessing import OneHotEncoder,LabelEncoder from sklearn.neighbors import KNeighborsClassifier salary = pd.read_csv('./salary.tx
学习使用 sklearn 的模型度量方法，来量化预测结果
immense的博客
03-08 1684
1. 任务描述 在前面的关卡，我们已经学会了如果使用 sklearn 训练分类模型，那如何评估模型的分类效果？本关卡将学习使用 sklearn 的模型度量方法，来量化预测结果。 2. 相关知识 相关知识 sklearn 中有三种不同的 API 来评估模型的预测质量： Estimator score method :在评估器（比如一个分类模型）中有score函数提供默认的评估标准，比如支持向量机sk...
【skLearn练习】KMeans矢量量化应用 ---- 压缩图片
懂得一千零一种,赋予你失败的方法！
01-09 967
文章目录一、KMeans矢量量化概念二、图片的探索① 导库② 实例化导入颐和园图片③ 可视化图片三、图片矢量量化① 导包② 预处理图像数据，适应SKlearn聚合③ KMeans聚类④ 质心替换样本，实现矢量量化⑤ 随机的矢量量化⑥ 可视化 一、KMeans矢量量化概念 百度百科： k-means聚类最重要的应用之一就是非结构数据（图像、声音）上的矢量量化(VQ)，所谓的矢量量化就是将数据进行压缩。 非结构化数据往往会占用很大的数据空间，在保证数据质量的同时，尽可能的矢量量化数据的大小，或者是简..
机器学习sklearn----KMeans实例(图片数据矢量量化的应用)
weixin_43776305的博客
12-04 2887
文章目录矢量量化理解KMeans聚类法导入数据采用KMeans矢量化随机质心法 矢量量化理解 矢量量化可以理解为数据的压缩，可以看作是一种降维的过程，只是和我们之前知道的降维算法的理论完全不一样。 举例来说，我们有一张600 x 600 个像素点的图片，每个像素点有一个颜色，那么这个图片上存在的信息就有360000个。图片上有很多的像素点之间的颜色差异微乎其微，那么我们就可以将这些像素点看作是同一个像素点(相当于KMeans的质心)，将这些像素点的颜色替换为同一个颜色。图片的矢量量化就是将每个像素点的颜色用
A股上证指数日变化趋势聚类分析
byres的专栏
07-05 4039
股市大数据分析从去年11月以来，中国A股已经进入牛市阶段。那么怎么在股市里更好的盈利呢？一些简单的规律其实可以是很帮助的。比如每天A股上证指数变化趋势一般都是符合“持续上涨”、“持续下跌”、“平盘后迅速拉起”、“平盘后迅速下跌”、“深V字型”等几种模式的。我考虑能不能利用数据挖掘里的聚类技术–均值聚类和凝聚层次聚类来分析每天的上证指数变化情况，看看每日的变化趋势到底符合哪些模式。我们采用2014年1
sklearn实战-----9.sklearn中的线性回归大家族
zjmy的博客
07-24 1626
1 概述 1.1 线性回归大家族 回归是一种应用广泛的预测建模技术，这种技术的核心在于预测的结果是连续型变量。决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans并不求解标签，注意加以区别。回归算法源于统计学理论，它可能是机器学习算法中产生最早的算法之一，其在现实中的应用非常广泛，包括使用其他经济指标预测股票市场指数，根据喷射流的特征预测区域内的降水量，根据公司的广告花费预测总销售额，或者根据有机物质中残留的碳-14的量来估计化石
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值