Python金融數(shù)據(jù)分析與挖掘（微課版） 課件 10-2.股票價(jià)格形態(tài)聚類與收益率計(jì)算

第10章

股票價(jià)格形態(tài)聚類與收益分析K-最頻繁值聚類算法基于K-最頻繁值聚類算法的股票價(jià)格形態(tài)聚類類平均收益率的計(jì)算K-最頻繁值聚類算法第10章

K-均值聚類算法主要適用于數(shù)值特征數(shù)據(jù)，而本章中提取的股票價(jià)格形態(tài)特征數(shù)據(jù)是經(jīng)過離散化的離散變量（名義變量），因此經(jīng)典的K-均值聚類算法不再適用。本節(jié)借鑒K-均值聚類算法的思想，給出K-最頻繁值聚類算法，該算法與K-均值聚類算法的不同之處主要體現(xiàn)在距離度量和類中心的更新方法上，其中距離度量函數(shù)采用海明距離，類中心的更新方法則選擇類樣本特征向量分量出現(xiàn)最多的值（最頻繁值，經(jīng)典的K-均值聚類算法采用的是平均值）作為類中心特征向量的分量。K-最頻繁值聚類算法第10章

輸入：特征數(shù)據(jù)集，聚類個(gè)數(shù)K。輸出：特征數(shù)據(jù)集及其類標(biāo)簽。Step1：隨機(jī)初始化K個(gè)聚類中心，即K個(gè)類中心向量。Step2：對每個(gè)樣本，計(jì)算其與各個(gè)類中心向量的距離，并將該樣本指派給距離最小的類，

這里的距離采用海明距離，其計(jì)算公式如下：K-最頻繁值聚類算法：Step3：更新每個(gè)類的中心向量，更新的方法為取該類所有樣本的特征向量的最頻繁值。Step4：直到各個(gè)類的中心向量不再發(fā)生變化為止，并輸出類標(biāo)簽。Python中沒有現(xiàn)成的函數(shù)可以調(diào)用，故本節(jié)給出其函數(shù)的具體定義。這里僅介紹基本結(jié)構(gòu)defK_mean(data,knum):#輸入：data--聚類特征數(shù)據(jù)集,要求為數(shù)據(jù)結(jié)構(gòu)要求為numpy數(shù)值數(shù)組#輸入：knum--聚類個(gè)數(shù)#返回值為類別標(biāo)簽列基于K-最頻繁值聚類算法的股票價(jià)格形態(tài)聚類第10章

利用K-最頻繁值聚類算法對股票價(jià)格形態(tài)進(jìn)行聚類，輸入為股票形態(tài)特征數(shù)據(jù)集Data，輸出為每個(gè)股票代碼的聚類結(jié)果.為了后續(xù)使用的方便，對形態(tài)特征數(shù)據(jù)Data、關(guān)鍵價(jià)格點(diǎn)數(shù)據(jù)KeyData、關(guān)鍵點(diǎn)價(jià)格數(shù)據(jù)對應(yīng)的序號數(shù)據(jù)KeyData_index，都在數(shù)據(jù)集的最后加上一列，即聚類結(jié)果列。添加聚類結(jié)果列后，數(shù)據(jù)集分別記為：Data_c、KeyData_c、KeyData_index_cimportkmean#導(dǎo)入自定義的K最頻繁值聚類算法c=kmean.K_mean(Data[:,1:],20)#調(diào)用K最頻繁值聚類算法,聚為20個(gè)類,并返回結(jié)果cKeyData_c=np.hstack((KeyData,c.reshape(len(c),1)))KeyData_index_c=np.hstack((KeyData_index,c.reshape(len(c),1)))Data_c=np.hstack((Data,c.reshape(len(c),1))類平均收益率的計(jì)算第10章

根據(jù)聚類結(jié)果，對每一類股票計(jì)算該類股票的平均收益率，持有期為20