金融建模k-均值聚类模型.docx

基于K-mean聚类的高频数据挖掘实例模型背景K-均值聚类算法，是数据挖掘十大经典算法之一。其主要任务是根据样本数据的特征指标，把数据划分为k个类，使得同类的样本特征尽可能的相似，不同类的样本特征尽可能大的相异。本模型将该算法应用于高频数据，提取上证50指数样本股，2013-03-04至2013-03-08共5天的15分时数据。首先采用K-均值聚类算法，将前3天价格波动曲线相似的股票进行归类，这里将上证50指数成分股划分为4类。其次，针对每类样本股票，以2013-03-07日开盘后1个小时内的成交量加权平均价买入，2013-03-08日收盘前1个小时的成交量加权平均价卖出，计算其收益率。最后，找出收益率为正的类，观察该类的股票样本价格曲线形态，以便找出有利于投资决策的价格曲线形态或进一步的深入研究。本模型作为了一个例子，旨在引导学生或教师或研究员更深入的研究该模型、学会金融高频数据的建模方法及应用于其他的实践案例。本例子详细地介绍了时间序列数据特征的提取方法、基于关键点的降维方法、K-均值聚类算法的迭代过程、matlab绘制图形的编程技术等。这些处理方法，均有matlab程序支持。这里参考了研报《基于模式聚类的短线选股模型--数量化投资系列报告之四十二，国信证券，2011.8》以及期刊《一种基于关键点的时间序列聚类算法，计算机科学，2012年3月第3期》。模型假设为了更好的使用K-mean聚类，对价格数据作了归一化处理。模型公式 K-均值聚类算法如下：A．随机初始化K个聚类中心，即K个类中心向量B．对每个样本，计算其与各个类中心向量的距离，并将该样本指派给距离最小的类C．更新每个类的中心向量，更新的方法为取该类所有样本的特征向量均值。D．直到各个类的中心向量不再发生变化为止，这里采用0.01的误差，作为退出条件。模型意义聚类为数据挖掘、数据分析、模型识别、量化投资相关领域的一项非常重要的任务。K-mean均值聚类算法作为一个经典的算法，掌握其算法理论及实现技术，具有极其重要的意义。步骤1—股票价格序列的特征化处理步骤说明首先：每个股票代码3天的15分时数据共有51个价格数据点，对其归一化。其次，从51个价格数据点中提取12个关键的点（主要目的是降维，提高聚类算法的效率及可靠性，我们一般提取能代表典型趋势价格点），由头+尾+中间10个变化最大的数据点组成（详细的处理方法参见《一种基于关键点的时间序列聚类算法，计算机科学，2012年3月第3期》该期刊）。再次，对提取的关键数据点及原数据点绘制曲线图，以便查看我们选择的关键数据点能否拟合原来的曲线图。最后，对关键的数据点按股票代码，整理为一个统一的结构，便于聚类算法的使用。输入数据预览查看输入的数据，图为部分上证50样本15分时数据返回计算结果图为部分数据，即关键点价格数据。图形展示取前5个股票代码，观察拟合图。这5个股票代码的价格形态各异，其中蓝色为原始数据绘制的曲线图，红色曲线为关键点价格数据绘制的曲线图。从图可以看出，关键点价格曲线基本能拟合原始的曲线图。步骤2—K-均值聚类算法迭代过程步骤说明迭代计算，最后每个股票代码都被划分到指定的类。返回的计算结果步骤3—对每个类的样本计算收益步骤说明针对每个类的样本，以2013-03-07日开盘后1个小时内的成交量加权平均价买入，2013-03-08日收盘前1个小时内的成交量加权平均价卖出，计算其收益。返回的计算结果步骤4—图形展示每个类的价格曲线及收益率步骤说明图形展示每个类的前3天价格曲线图及收益率。返回的计算结果图形展示类1：剧烈的“V”形，并且到达波峰后，已经出现下跌趋势。 类2：波浪式的左高右低斜“V”形，并且未达波峰，同时还在波浪式上扬 类3：已达波峰，并且呈波浪式下跌趋势 类4：已达波峰，并且呈波浪式下跌趋势