机器学习白皮书系列之二：无监督学习的方法介绍及金融领域应用实例.pdfVIP

[Table_MainInfo] ┃研究报告 ┃ 机器学习 2017-11-27 机器学习白皮书系列之二：无监督学 金融工程┃专题报告 习的方法介绍及金融领域应用实例 [Table_Author] 报告要点 分析师 覃川桃 （8621  无监督学习方法简介 qinct@ 本篇报告将进行无监督学习方法的介绍。无监督学习方法包括分布估计、因子 执业证书编号：S0490513030001 分析、主成分分析、聚类分析、关联规则和Google PageRank 算法等，本文主 联系人 陈洁敏 要就常用方法分成两类：聚类和降维进行介绍。 （8621 chenjm5@  降维方法的应用 实践中，将降维思想运用得炉火纯青的是 Barra 风险模型。个股和个券都有几 相关研究 [Table_Doc] 十、上百个指标可以辅助分析其收益风险特征，通过降维的方式，Barra 提取出 《FOF 系列之首批公募 FOF 产品深入剖析》 若干具有代表性的风险因子，找出了资产背后共同驱动因素，使用这些风险因 2017-11-25 子即可方便的进行绩效归因、组合风险控制等。降维的具体方法包括因子分析 《基于HSAR 算法的阻力位和横盘突破时点识 别》2017-10-24 和主成分分析等。本文通过因子分析和主成分分析两种方法，结合常见的股票 《事件选股方法中的因子暴露与纯化事件收益》 基本面、财务数据、技术指标等，构建选股策略。与基准相比，策略都能获取 2017-10-15 一定的超额收益，说明了通过降维提取主要特征能够起到一定的提纯和增强作 用。  聚类方法的应用 聚类分析方法基于相似性概念将数据集再划分，形成较小的组，追求组别间差 异尽量大而组内的差异尽量小。根据样本数据特征和预期达到的效果，聚类可 选择的方式非常多。本文详细介绍了K-Means 聚类分析的原理，并且对于几种 常见的聚类分析算法：沃德层次聚类、综合层次聚类算法、聚集聚类算法、基 于密度的聚类算法、AP 聚类算法、谱聚类算法、小批量法等也一一进行简介。 在具体应用上，聚类分析可以用做选股前的预处理，通过重要特征将个股分类 之后在每个类别中分别进行选股，效果会优于在全样本内选股。此外，聚类分 析的可视化也是重要的应用