聚类算法在股票分类中的实战应用

📚 共计 30 章节

课程导论与数据准备

聚类算法在量化投资中的价值 · 课程目标与学习路径 · 获取股票历史行情数据（Tushare/AkShare） · 数据清洗与预处理

导论数据预处理

特征工程（上）

技术指标计算（MA、MACD、RSI、布林带） · 滚动窗口统计特征 · 特征相关性分析与筛选

技术指标滚动统计相关性

特征工程（下）

波动率与收益率特征 · 资金流向与成交量特征 · PCA降维 · 特征重要性评估

波动率PCA特征选择

K-Means聚类算法原理

核心思想与数学原理 · K值选择（肘部法则、轮廓系数） · 优缺点与适用场景

K-Means肘部法则原理

Scikit-learn实现K-Means · 特征标准化与聚类 · 可视化（散点图、雷达图） · 板块划分

实战可视化板块

层次聚类算法原理

凝聚式与分裂式 · 距离度量（欧氏、曼哈顿、余弦） · 连接准则 · 树状图解读

层次聚类树状图距离

层次聚类实战

Scipy实现层次聚类 · 绘制树状图 · 与K-Means对比 · A股行业板块聚类

Scipy对比行业

DBSCAN密度聚类原理

核心点、边界点、噪声点 · eps与min_samples · 发现任意形状簇 · 异常点识别

DBSCAN密度异常

Scikit-learn实现DBSCAN · 参数调优 · 高维注意事项 · 识别市场异常波动股票

调优异常波动实战

高斯混合模型（GMM）聚类

概率模型与软聚类 · EM算法简介 · GMM vs K-Means · BIC/AIC选择分量

Scikit-learn实现GMM · 概率归属 · 股票市场状态划分（牛/熊/震荡）

市场状态概率实战

聚类算法评估指标

外部指标（ARI、NMI、同质性） · 内部指标（轮廓系数、Davies-Bouldin） · 业务验证

评估ARI轮廓系数

聚类结果可视化技术

二维散点图（PCA） · 雷达图 · 热力图 · 3D可视化（Plotly）

可视化雷达图Plotly

时间序列聚类（上）

动态时间规整（DTW） · K-Shape · TSFEL特征提取

DTWK-Shape时序

时间序列聚类（下）

股票价格序列聚类 · 收益率序列 · 波动率模式 · 相似走势股票群

走势波动率实战

聚类与分类的结合

聚类后打标签 · 训练分类模型（随机森林、XGBoost） · 半监督学习 · 风格因子分类器

分类XGBoost半监督

聚类在量化选股中的应用

股票池构建 · 收益对比 · 回测框架（Backtrader） · 风险控制与仓位管理

选股回测仓位

聚类在行业分类中的应用

传统行业局限 · 财务动态聚类 · 与申万对比 · 发现新兴行业与跨界公司

行业动态跨界

聚类在风险控制中的应用

高相关性股票群 · 分散化投资组合 · 极端风险预警 · 2022市场下跌案例

风控分散预警

聚类在客户分群中的应用

股民交易行为聚类 · 风险偏好识别 · 精准推荐 · 券商客户分层运营

客户分群运营

大规模数据聚类挑战

Mini-Batch K-Means · BIRCH · 在线聚类 · 分布式聚类（Spark MLlib）

大规模SparkBIRCH

聚类算法参数自动调优

网格搜索 · 贝叶斯优化（Hyperopt） · 遗传算法 · 自动寻找最优K-Means参数

调优贝叶斯遗传

聚类集成方法

共识聚类 · Bagging聚类 · Boosting思路 · 提升聚类稳定性

集成共识稳定性

谱聚类算法原理

图论基础 · 拉普拉斯矩阵 · 谱聚类推导 · 非凸形状与图数据

谱聚类图论非凸

谱聚类实战

Scikit-learn谱聚类 · 相似度矩阵 · 社交网络与股票关联图聚类

实战社交网络关联

模糊C均值聚类（FCM）

模糊聚类概念 · 隶属度矩阵 · FCM算法 · 与K-Means/GMM对比

FCM模糊隶属度

Scikit-fuzzy实现FCM · 模糊划分解读 · 股票市场模糊状态划分

模糊状态实战

聚类结果解释与报告

SHAP解释特征 · 聚类画像 · 自动化报告（Jinja2） · 周度市场聚类报告

SHAP报告自动化

端到端项目实战（上）

需求分析 · 数据获取与清洗 · 特征工程全流程 · 模型训练与调优

项目全流程调优

端到端项目实战（下）

模型评估与对比 · 可视化解读 · 部署Web服务（Flask/FastAPI） · 课程总结

部署Flask总结