聚類分析在金融投資分析中的應用

黃嘉奇

摘 要：當前國民經濟水平不斷提高，個人投資理財成為人們賺取更多財富的手段之一，然而理財有風險，投資需謹慎，加之當前金融市場正處于完善與發展階段，需要人們具備金融投資分析能力，用以削減金融風險。本文通過對聚類分析在金融投資分析中的應用方略的研究，以期為提高人們投資理財成功幾率，維護金融市場穩定提供依據。

關鍵詞：聚類分析 金融投資 應用

中圖分類號：F832.48 文獻標識碼：A 文章編號：2096-0298（2018）12（c）-049-02

自我國加入國際世界貿易組織后，市場經濟就呈現橫向及縱深發展趨勢，為金融市場崛起提供條件，加之國民經濟實力不斷提高，人們手中可用于投資理財的閑散資金越來越多，為滿足人們的投資理財需求，相關金融產品種類不斷增多，在為人們創造財富同時，金融投資風險相伴而生，為此個人需掌握一定的金融投資分析方法，能在瞬息萬變的金融市場中把握投資機遇，削減理財風險，獲取更多經濟收益。然而，當前仍有許多投資理財者存在忽視風險、盲目投資、未掌握專業投資分析方法等問題，嚴重影響了我國金融市場穩健發展。基于此，為營建和諧、穩定、科學、高效投資理財大環境，引導更多人進入金融市場，并成為活躍金融市場的“細胞”之一，探究聚類分析在金融投資分析中的應用方略顯得尤為重要。

1 聚類分析理念

聚類分析主要是指將分析對象分解，組成若干個存在關聯和區別的集合，各個集合之間為“組內同質、組間異質”狀態，通過對集合進行對比分析，找出分析對象發展規律及研究方向，其中在分析對比過程中產生的數據是得出分析結論的依據。聚類分析從統計學、計算機科學、數學、經濟學及生物學等多個學科中發展而來，為此其具有一定的綜合性，具備數據描述能力，通過對比分析，衡量數據之間的異同，將數據分別置于不同的集合中，與分析對象林立而論，填充未知分類領域，達到分析目的。

基于聚類具備數據分析能力，為此可以通過數據建模實現聚類分析，在統計學理念加持下，常用的聚類分析法包括分解法、動態聚類法、系統聚類法、有序樣品聚類、加入法及模糊聚類方法等，在信息技術加持下，聚類分析作為一種常用工具，在SAS、SPSS等軟件中得到了較為廣泛的應用。聚類分析法將數據分置于若干簇中，簇具備隱藏屬性，通過聚類分析自行標記，富有探索特性。在應用聚類分析法時，人們無需制定分析標準，從分析對象內派生的各類數據為由，實現自主分類，依據數據變化情況及簇的隱藏屬性，會得出不同的分析結果，相同數據在不同分析人員眼中，存在不同類聚可能，為拓展客觀事物分析途徑，提高分析效率奠定基礎。

從實際應用層面來講，聚類分析是挖掘數據內涵的一種手段，為此其分析依據僅為數據，數據從分析對象本身而來，確保數據極具導向性，可滿足人們探尋分析對象發展規律的切實需求，為此該分析方法在金融投資分析中的應用，能幫助理財者找到某個具體金融產品，乃至整個金融市場的發展規律，為理性投資削減金融投資風險提供依據。

2 聚類分析方法

（1）概述聚類分析方法。聚類分析方法主要由兩種形式構成：第一，層次聚類（Hierarchical Clustering）。該方法主要由樹狀圖（柱形圖、扇形圖等）、分解法、合并法構成；第二，非層次聚類。該方法主要由譜聚類、劃分聚類構成，其中，譜聚類（Spectral Clustering，SC）為圖論聚類法，具有適應性強、直觀、具體、聚類效果尚佳等應用優勢，劃分聚類法無需贅述，依據分析對象數據形式進行劃分，聚類意圖清晰、科學，能有效提高聚類分析效率。

（2）聚類分析方法應用特性。通過對聚類分析方法進行探討可知，無論何種分析方法均擁有一個主體分析對象，為此該方法極具針對性，其在金融投資分析中的應用，可以深入、直觀、具體的得出數據，并將其納入不同的簇中，為數據分析提供便利。除具備直觀、針對、簡便特性外，聚類分析方法在應用過程中還具備可能性多、分析對比無局限、研究結論豐富等特性，這是源于一組數據從不同角度進行分析，將得到不同分析結果，為人們研究客觀事物提供依據。基于聚類分析以數據為導向，為此數據增減均會影響客觀事物分析成效，為此人們需權衡各個因素與分析對比數據的關系，預見可能影響結果的因素。例如：特殊變量、異常值等，必要時采取一定標準化分析對比處理措施，使聚類分析結果更具實效性。

（3）聚類分析方法應用思路。以該分析方法在金融投資分析中的應用為例，需在前期設定聚類分析對象，如股票市場、債券、期貨、古董等，使分析有的放矢，在明確分析對象后，構建分析模型，得出判別函數，用Y代替判別值（判別分數），用x1—xn代表存在與分析對象中變量，用a1—an代表系數，繼而得出公式：Y=a1x1+a2x2+a3x3··anxn，待得出公式后，進行統計分析，得出分類矩陣。結合定義問題進行組別判比，對判比結果進行詮釋，發掘數據中潛在的屬性及內涵，推測具備有效性的判別結論，并再次分析、驗證樣本[1]。

3 聚類分析在金融投資分析中的應用步驟

（1）預處理數據。依據金融投資分析需求，選擇數據處理標度、類型、數量等因素，為使相關因素選擇科學、合理，依據特征進行抽取與選擇，選擇突出、典型且極為重要的特征，制定出特征集，同時需將孤立點從數據中移除，使數據模型更具穩定性、有效性，避免出現數據與模型相互分離的問題發生，繼而保障聚類結果不存在任何偏差，使聚類更為科學、可靠。

（2）定義距離函數，衡量金融投資分析中數據的相似程度。聚類分析以獲取類似數據集，對比不同數據集異同為分析基礎，為此該方法在金融投資分析中應用時，需明確特征空間衡量相似度的標準與步驟，在特征標度豐富性，特征類型多樣性前提下，謹慎得出距離量度，確保聚類分析方法得到有效應用。基于金融投資分析復雜性，有些聚類度分散于若干領域中，同一個距離量度經常用于反映若干數據相異性，作為特征化若干數據概念的工具，用以衡量數據及其所在圖像特性。

（3）分組、聚類。將處于金融投資領域中的數據，分置于不同類中是較為重要的步驟，在不同分類方法加持下，數據將有不同的分置形態，例如Crisp Clustering將數據單獨進行分類，Fuzzy Clustering數據分類具備不確定性，分組、聚類形式與數據劃分方法密切相關，屬于嵌套劃分系列，用以衡量數據可分離性、相似性，適用于金融投資分析的類聚方法還有密度聚類等。

（4）評估輸出。在圍繞金融投資分析得出數據分組結果后，人們需對數據聚類結果進行分析，基于聚類并無特定程序與管理手段，為此并無客觀標準統一評估聚類結果，通常情況下結合某個類產生的有效索引得出評價方向，類內部耦合情況、外部分離情況，均會影響聚類結果評估，通常情況下人們會選擇最佳有效索引值作為類的數目，為此需確保有效索引標準、科學、規范，針對復雜數據集，則需依據金融投資分析數據實況，結合現有聚類分析方法，合理設定索引標準，提高該分析方法應用質量[2]。

4 聚類分析在金融投資分析中的應用實例

通過對聚類分析在金融投資分析中的應用方法及步驟的研究可知，該方法具有靈活性、針對性、多樣性分析優勢，可以依據金融投資分析切實需求作好調整，使分析結果更具導向性，為推動金融市場穩健發展，幫助投資理財者規避相關風險提供依據，聚類分析應用價值可見一斑。為使該方法得以有效應用，探究其在金融投資分析中的具體應用勢在必行。

以上海市A股為分析主體，為確保分析成效隨機選擇25支股票，這些股票數據來自某證券網所對外公布的近期財務數據。

首先，對近期財務數據進行預處理。為規避股票數據數量級與量綱的差異，確保分析結果科學性，需處理原始數據，為保障聚類判別成效提供數據依據，通過建立函數關系式，將極差與標準差進行標準化處理。

其次，對數據逆指標進行正向化處理。逆指標為流通股票，需取相關數值的倒數。

再次，進行聚類分析。借助SPSS軟件對應用分析所選25支股票進行系統分析：第一類，金城股份、亞星客車、安泰集團、寶信軟件、上風高科、長城開發、新黃浦、中兵光電；第二類，方大B、江蘇吳中、華茂股份、騰達建設、新都酒店、公用科技、京新藥業；第三類，TCL集團、公用科技、盾安環境、國金證券、浦發銀行、國通管業、邯鄲鋼鐵、華北制藥、上海家化、格力集團。其中，第一類收益率較低，說明其擴張能力有限，其穩定性較差，發展存在阻力，投資價值相對較小，第二類股票成長性較高，收益相對較好，經營現金流率較低，說明其具有資金周轉慢、銷售周期長等問題，不適合長期投資，第三類收益相對較好，企業經營較為穩定，發展前景樂觀，有一定的發展擴張趨勢是投資首選。

最后，檢驗聚類分析效果。為確保聚類分析結果科學、可靠，需在各組別中選擇樣本，并對樣本差異進行比對，如若樣本差異小，組間樣本差異大，則說明分析效果尚佳。基于此，本次實例研究選擇方差分析法，對聚類中的單個因素、多個因素等總體均值進行檢驗，幫助人們找到股票投資規律，掌握金融市場發展實況。應用MATLAB語言編程，輸入manoval命令，觀察數據陣，所得ALPHA水 平顯著，將檢驗假設置于10維空間中，所得總體均值無明顯差異性，說明所提檢驗假設不成立，表示本次聚類分析結論科學、可靠[3]。

5 結語

綜上所述，聚類分析具有可以指定初始位置，分析結果以數據為導向，結合分析目標所得分析結論多樣、豐富等特點，較為適合分析金融投資市場潛在風險與投資收益等問題，引導個人投資者規避風險，提高經濟收益，達到投資理財目的，為此人們需掌握基本的聚類分析方法，并將其應用在金融投資分析過程中，伴隨我國科學技術飛速發展，支持該分析方法應用的軟件將得以豐富與優化，并逐漸朝著大眾化、簡便化、科學化方向發展，這就需要相關研究人員秉持與時俱進精神，推動該分析方法不斷發展，引導人們樹立科學理財意識，提升專業理財能力，助力金融市場穩健發展。

參考文獻

[1] 宋潔.聚類分析在金融投資分析中的應用[J].中國商論， 2017（21）.

[2] 張超.聚類分析在金融投資分析中的現實應用[J].卷宗， 2017（23）.

[3] 劉勇.聚類分析在金融投資分析中的應用[J].卷宗，2016（1）.