聚类分析

将预测的股票代码变动根据其偏离常态的程度进行分组，以标记市场状态，例如风险偏好型与风险规避型。

聚类分析是一种数据驱动技术，量化投资者通过将相似的数据点分组来识别当前市场状态。该方法不是孤立地分析单只股票，而是着眼于广泛的资产价格预测或指标，并根据它们偏离历史常态的程度进行分组。通过将这些预测划分为不同聚类，投资者可以判断市场当前是否处于特定状态，例如“风险偏好”或“风险规避”环境。 为了执行这种分析，算法会评估预测资产变动的离散程度与一致性，通常使用根据历史基线数据校准的标准差区间。当大量资产聚集在特定的极端区间内时，这预示着强劲且统一的市场趋势。分析师随后将这些聚类与基准指数（如标普500 ETF，SPY）进行比较，以验证大盘行为是否确认了所识别的市场状态。 对于散户投资者而言，聚类分析极具价值，因为它提供了一个叠加在个股形态识别之上的宏观过滤器。了解当前市场状态有助于投资者调整风险敞口、选择合适的交易策略，并避免逆势对抗主流市场趋势。然而，一个常见的陷阱是过度依赖历史聚类，因为市场动态可能突然转变，在前所未有的宏观经济冲击期间，以往的历史基线校准可能会暂时失效。

一位分析师评估了100只股票，并计算了它们预测的价格变动幅度。这些变动的历史基线标准差为1.5%。该分析师根据标准差（SD）区间设定了三个聚类：低波动（在1个标准差以内，即-1.5%至+1.5%）、看涨异常值（高于+1个标准差，即> +1.5%）和看跌异常值（低于-1个标准差，即 +2.0%），同时标普500指数也交投于其移动平均线上方。看涨聚类中的高度集中确认了统一的“风险偏好”市场格局。