免责声明：我没有任何这些股票的归属，我也不是股票分析师。 投资前请尽职调查！
TLDR：想挑选最好的股票进行投资。 使用K-means聚类过滤出获胜组。 发现了一组表现出色的57只股票。
作为一名金融专业的毕业生，我想充分利用自己的资金，即投资股票市场以获得比银行利率更高的回报。 让我感到困扰的是： 我应该投资哪些股票？ 我知道我必须做自己的尽职调查，并仔细阅读公司的财务报表，而不要读什么，但是我应该从哪家公司开始呢？
考虑到这一点，我想利用我的数据科学知识来缩小对获胜股票的搜索范围。 我计划通过对相似的股票进行分组来使用聚类技术，并希望能够筛选出表现较好的股票。 顾名思义，聚类算法旨在分割数据集并将相似的数据点分组在一起。
摘要
我在数据集上应用了K均值聚类 ，最终结果非常令人满意 。 在2012年至2018年期间，我设法将选股范围从1300只股票（纽约证券交易所和纳斯达克股票）缩小到57只股票，这些股票的平均年收益率为24％，相差5％ 。
什么是K均值聚类？ （像我五岁那样解释）
K-均值聚类是一种无监督的学习模型。 非监督模型用于从未标记或分类的数据集中学习。 它标识数据集中的共性，并根据每个数据点中这种共性的存在或不存在做出反应。
K-均值聚类模型仅初始化K个质心，与质心接近（相似）的数据点将归类为一个聚类。
数据处理
我获得的数据集是使用Stocker和Yahoo-Finance python软件包提取的。 以下是数据集外观的示例。
根据数据集，我将把这两个变量拟合到K-means模型中：
- 年度回报
- 年度差异
我决定使用这些变量，因为它们会告诉我们有关股票表现及其波动性（风险）的信息。
从原始数据中，我将其转换为更有用的数据框架，该框架使我了解了每只股票的平均年收益率和方差（过去7年）。
评估模型（K均值）
我使用了两个指标来评估模型：
- 群集内的误差平方和（SSE）。 SSE值将通知用户每个数据点到中心的距离。
- 轮廓分数。 轮廓分数可衡量数据点与其自身群集相比与其他群集的相似程度。
我们希望具有较低的SSE值和较高的轮廓分数（轮廓分数范围从1到-1）。
模型结果：在3个集群迭代之后发现了黄金集群
我进行了3次K均值聚类的迭代，以下是我的思考过程。
为了确定每次迭代中的K值，我绘制了2个图，这些图告诉我关于K值范围的每个K值的簇值和轮廓分数内的SSE。
第一次迭代导致分布偏斜
例如，在我的第一次迭代中，我将K的值循环了25次，从K = 1到K = 25。 结果是下面看到的两个图。
从第一个图表中，我们可以看到，随着群集数超过7，群集内的SSE值趋于平稳。 然后，我们参考第二张图，可以看到当聚类的数量从14增加到15时，轮廓得分会大幅下降。因此，我选择在模型中应用K = 14。 我们可以在下面看到第一次聚类的结果。
我们可以看到，大多数股票（1193）集中在一个集群中，而其他集群非常稀疏。 这些其他集群的回报和方差惊人！ 精明的投资者绝对不会投资这些股票。 由于当前结果并未缩小我对获胜股票的搜索范围，因此，我决定在多数群体0上进行另一个K均值聚类。
第二次迭代导致2个潜在簇
在K均值聚类的第二次迭代中，我选择我的K值为5（使用与上述相同的逻辑）。 结果（如下所示）更好地散布了，我们可以看到群集0和群集2是性能更好的群集。
由于平均年收益率和方差相当成比例，因此很难分辨哪个是表现较好的集群（在两个集群中）。 因此，我决定添加一个指标Sharpe Ratio ，以更好地反映股票表现。
夏普比率是一种有助于我们了解投资收益与风险相比的指标。 如果您有兴趣，可以在这里阅读更多信息。
为了更好地显示数字，我绘制了2个箱形图。
在图B中，我们可以看到群集2具有最佳的Sharpe Ratio分布。 它的范围从0.2到2.2（通常认为Sharpe Ratio大于1很好，大于2则非常好）。 此外，我们可以看到第2组中有一些异常值（跑赢股票），并且该组中的股票数量仍然相当大（257个股票）。 因此，我继续在聚类2上进行K均值聚类的第三次迭代，以进行更深入的研究，并尝试滤除黄金储备。
黄金集群产生第三次迭代
在K均值聚类的第三次迭代中，我们可以找到黄金簇！ 类别3的年平均回报率为24％，方差为5％，夏普比率在0.7到2.2之间！
总结思想
我已经设法缩小到57只股票来对它们进行尽职调查。 在做出任何投资决定之前，应对其财务报表进行进一步分析。 有了这个集群，我什至可以组成一个alpha投资组合（投资组合优化将留在另一篇博客文章中）。
这项研究的一些局限性和假设是：
- 没有考虑发生金融危机的时间段（2007年和2008年）。
- 也没有考虑一年内每种股票的波动性。 黄金集群的年回报率在7年内可能只有5％的低方差，但一年之内股价可能会发生巨大变化。
免责声明：我没有任何这些股票的归属，我也不是股票分析师。 投资前请尽职调查！
如果您对我的工作方式和代码感兴趣，可以单击此链接在我的GitHub上访问它们。
那是所有人！
