AQF量化分享丨用算法看清市場(chǎng)~

AP聚類算法和市場(chǎng)結(jié)構(gòu)可視化

算法思想

AP(Affinity Propagation Clustering)算法的基本思想是將樣本數(shù)據(jù)看做網(wǎng)絡(luò)的節(jié)點(diǎn)，根據(jù)節(jié)點(diǎn)之間的相互關(guān)系計(jì)算出每個(gè)節(jié)點(diǎn)作為聚類中心的合適程度，選擇合適程度較高的幾個(gè)數(shù)據(jù)節(jié)點(diǎn)作為聚類中心，并將其他節(jié)點(diǎn)分配給最合適的聚類中心。衡量一個(gè)節(jié)點(diǎn)是否合適作為聚類中有兩個(gè)指標(biāo)，分別是吸引(responsibility)和歸屬度(availability)，經(jīng)過(guò)迭代，兩者之和最大的幾個(gè)節(jié)點(diǎn)最終成為聚類中心。

基本概念

examplar：聚類中心點(diǎn)，數(shù)據(jù)集中實(shí)際存在的點(diǎn)

similarity：相似度矩陣，s(i,j)表示數(shù)據(jù)點(diǎn)i，j之間的相似度，一般用負(fù)的歐氏距離表示，即歐氏距離越大，相似度越小

responsibility：吸引信息矩陣R，r(i,k)描述了數(shù)據(jù) k 適合作為數(shù)據(jù) i 聚類中心的程度，初始為0矩陣。

availability：歸屬信息矩陣A，a(i,k)描述了數(shù)據(jù) i 選擇數(shù)據(jù) k 作為聚類中心的合適程度， 初始為0矩陣，迭代過(guò)程中可能為0或者負(fù)值。

preference：參考程度，p(i) = s(i,i)描述數(shù)據(jù)點(diǎn)i作為聚類中心的參考程度，參考度越大， 數(shù)據(jù)點(diǎn)作為聚類中心的可能性越大，一般取 i 點(diǎn)與所有其他點(diǎn)相似度的中值。聚類最終的類別數(shù)量受到參考度p的影響，如果認(rèn)為每個(gè)數(shù)據(jù)都可能作為聚類中心，則p應(yīng)該取相同的值，如果以相似度的均值作為參考度，得到的聚類數(shù)量是中等的，如果取相似度的最小值作為參考度，得到的類別數(shù)量會(huì)比較少。屬于算法的超參數(shù)，需要作為初始變量輸入。

damping factor：阻尼系數(shù)，影響收斂速度。算法的超參數(shù)。

迭代過(guò)程

1、將吸引度矩陣 R和 歸屬度矩陣 A 初始化為0矩陣

2、更新吸引信息矩陣

吸引信息矩陣的更新邏輯是，每個(gè)點(diǎn)作為其他點(diǎn)的聚類中心的初始吸引力是由它們之間的相似性決定的。迭代過(guò)程中，k 點(diǎn)作為 i 點(diǎn)的潛在中心會(huì)與其他潛在中心進(jìn)行比較，如果存在其他對(duì)于 i 點(diǎn)很有吸引力的點(diǎn)，則 k 點(diǎn)對(duì) i 點(diǎn)的吸引力會(huì)在迭代過(guò)程中被削弱。r(k,k) 描述了 k 點(diǎn) 作為中心的合適程度，如果其值為負(fù)值，說(shuō)明 k 點(diǎn)更適合作為從屬于其他中心的點(diǎn)。吸引度矩陣更新的過(guò)程相當(dāng)于聚類中心爭(zhēng)奪其他數(shù)據(jù)點(diǎn)的過(guò)程。

3. 更新歸屬度矩陣

迭代過(guò)程中，如果 a(i,k) 下降到0以下，說(shuō)明 i 點(diǎn)已經(jīng)分配給其他聚類中心，在吸引度矩陣更新的過(guò)程中，負(fù)的歸屬度值會(huì)降低對(duì)應(yīng)點(diǎn)作為聚類中心的競(jìng)爭(zhēng)力，從而增加其他點(diǎn)的吸引度。

4. 循環(huán)2,3步驟，根據(jù)迭代次數(shù)或收斂條件停止迭代。

算法特點(diǎn)

不需要預(yù)定義類別數(shù)量

以現(xiàn)有數(shù)據(jù)作為聚類中心

聚類結(jié)果不受初始位置影響

計(jì)算復(fù)雜度高高于K-mean算法，適合于中心樣本量的問(wèn)題

算法應(yīng)用

代碼范例中使用AP算法，根據(jù)醫(yī)療器械板塊的個(gè)股每日價(jià)格變化數(shù)據(jù)對(duì)股票進(jìn)行了聚類。相同類別的股票在價(jià)格變化上有更強(qiáng)的相似性，可以作為進(jìn)一步研究的基礎(chǔ)。

量化金融分析師(簡(jiǎn)稱AQF，Analyst of Quantitative Finance)由量化金融標(biāo)準(zhǔn)委員會(huì)(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。 >>>點(diǎn)擊咨詢AQF證書含金量

　　

課程適合人群：

金融工程/數(shù)學(xué)專業(yè)背景的同學(xué)/工作人士，希望進(jìn)一步學(xué)習(xí)Python編程以及在量化投資的實(shí)戰(zhàn)應(yīng)用；

非金融工程專業(yè)背景的同學(xué)/工作人士，希望迅速成為寬客；

金融相關(guān)人員，希望學(xué)習(xí)如何系統(tǒng)的做量化策略；

個(gè)人投資者，希望系統(tǒng)學(xué)習(xí)掌握量化投資相關(guān)的實(shí)務(wù)技能，從模型開發(fā)，回測(cè)，策略改進(jìn)，搭建穩(wěn)定的量化交易系統(tǒng)。

量化金融分析師AQF核心課程體系：

1、《量化投資基礎(chǔ)》

主要涵蓋了量化投資領(lǐng)域的必備知識(shí)，包括：基本面分析、技術(shù)分析、數(shù)量分析、固定收益、資產(chǎn)組合管理、權(quán)益、另類投資等內(nèi)容。

2、《Python語(yǔ)言編程基礎(chǔ)》

包含了Python環(huán)境搭建、基礎(chǔ)語(yǔ)法、變量類型、基本函數(shù)、基本語(yǔ)句、第三方庫(kù)、金融財(cái)務(wù)實(shí)例等內(nèi)容。旨在為金融財(cái)經(jīng)人提供最需要的編程方法。

3、《基于Python的經(jīng)典量化投資策略》

包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龜交易模型、Logistics模型、配對(duì)交易模型、波動(dòng)擴(kuò)張模型、Alpha模型、機(jī)器學(xué)習(xí)(隨機(jī)森林模型、主成分分析)、深度學(xué)習(xí)(人工神經(jīng)網(wǎng)絡(luò))等內(nèi)容。

4、《量化交易系統(tǒng)設(shè)計(jì)》

旨在學(xué)習(xí)量化交易系統(tǒng)的具體知識(shí)，包括過(guò)濾器，進(jìn)入信號(hào)，退出信號(hào)，倉(cāng)位管理等詳細(xì)內(nèi)容，并指導(dǎo)學(xué)員設(shè)計(jì)涵蓋個(gè)人交易哲學(xué)的量化交易系統(tǒng)。

5、《量化實(shí)盤交易》

旨在為解決實(shí)際量化交易策略搭建過(guò)程中的一些問(wèn)題提供較優(yōu)解決方案。 >>>點(diǎn)擊咨詢AQF相關(guān)問(wèn)題

　　

掌握Python及量化投資技能，我們能做什么?

1、熟悉中國(guó)主要金融市場(chǎng)及交易產(chǎn)品的交易機(jī)制；

2、熟知國(guó)內(nèi)外期貨交易、股市交易的異同點(diǎn)和內(nèi)在運(yùn)行機(jī)制；

3、掌握經(jīng)典量化交易策略細(xì)節(jié)及其背后的交易哲學(xué)；

4、掌握金融、編程和建模知識(shí)基礎(chǔ)，擁有量化交易實(shí)盤操作能力；

5、具備獨(dú)立自主地研發(fā)新量化交易策略的能力；

6、掌握量化交易模型設(shè)計(jì)的基本框架，以及風(fēng)險(xiǎn)管理和資產(chǎn)組合理論的實(shí)際運(yùn)用；

7、掌握從策略思想——策略編寫——策略實(shí)現(xiàn)餓完整量化投資決策過(guò)程；具備量化投資實(shí)戰(zhàn)交易能力。

　　

　　

更多內(nèi)容推薦閱讀：

如何成為一名優(yōu)秀的量化金融分析師？

AQF到底是什么鬼？哪類人適合參加AQF考試？

2019年量化金融分析師（AQF）全國(guó)統(tǒng)一考試報(bào)名簡(jiǎn)章

Wind、Excel和Python三大金融技能兼修，下一個(gè)金融分析大神就是你

金程推薦： AQF培訓(xùn) AQF培訓(xùn)機(jī)構(gòu) AQF是什么意思

咨詢電話：400-700-9596

AQF考友群：760229148

金融寬客交流群：801860357

微信公眾號(hào)：量化金融分析師

完善下表，48小時(shí)內(nèi)查收aqf備考資料
（如果沒(méi)收到資料，可以點(diǎn)我咨詢）

　　>>>返回首頁(yè)