聚类分析定义

什么是聚类分析？

聚类分析是一种用于对共享相似特征的对象集进行分组的技术。在统计中很常见。投资者将使用聚类分析来开发聚类交易方法，以帮助他们建立多元化的投资组合。回报率相关性高的股票落入一个篮子，相关性稍差的股票落入一个篮子，依此类推，直到每只股票被归为一类。

如果正确完成，则不同群集之间的相关性将最小。通过这种方式，投资者可以获得多样化的所有优点：减少的下行损失，资本保全以及在不增加总风险的情况下进行风险较高的交易的能力。多元化仍然是投资的中心租户之一，而聚类分析只是实现这一目标的一种途径。

聚类分析可帮助投资者开发建立多元化投资组合的聚类交易方法。聚类分析可使投资者购买和聚类具有适合不同市场细分的相关收益的资产。聚类分析的好处之一是有助于保护投资者的投资组合免受可能会导致投资组合容易遭受损失的系统性风险。聚类分析的一种批评是，与回报相关性高的聚类有时会共享相似的风险因素，这意味着一个聚类中的绩效低下可能转化为另一个聚类中的绩效低下。

聚类分析使投资者可以通过识别具有相关收益的证券来消除投资组合中的重叠。例如，仅技术类股票的投资组合看起来表面上是安全且多样化的，但是当Dotcom Bubble之类的事件发生时，整个投资组合很容易遭受重大损失。购买和集群化适合不同市场细分的资产对于增加多元化和防范此类系统性风险至关重要。

该技术还可以发现某些类别的股票，例如周期性股票和增长股票。这些特定策略属于智能beta或因子投资范围。他们试图从特定的风险溢价中获得更好的风险调整后收益，例如最小波动率，增长和动量。

以某种方式，聪明的beta或因子投资体现了通过聚类分析宣扬的分组和分类概念。在一个共同行为上进行聚类的逻辑反映了要素投资背后的基本方法，该方法确定了易受相似系统风险并具有相似特征的股票。

集群中的资产并不总是生活在同一个行业中。通常，集群持有技术和金融等多个行业的股票。

聚类分析的一个明显缺点是聚类之间的重叠程度。集群之间的距离很近，这意味着收益之间的相关性很高，通常也存在一些相似的风险因素。因此，一个群集中出现故障的一天可能会转化为另一个群集中同样较弱的性能。因此，投资者应查找并集中较大距离的股票。这样，集群会受到不同市场因素的影响。

也就是说，无论2008年经济衰退如何，大范围的股市回调都会抑制整个投资组合，无论其结构如何。即使是最多元化的集群，也难以抵御衰退带来的不利影响。在这里，最佳的群集可以做到的是最大程度地降低极端的下行损失。