什么是聚类分析(cluster ****ysis)？

聚类分析是一种用于对具有相似特征的对象集进行分组的技术。这在统计学中很常见。投资者将使用聚类分析来开发一种聚类交易方法，帮助他们建立一个多元化的投资组合。表现出高回报相关性的股票归入一个篮子，而相关性稍低的股票归入另一个篮子，以此类推，直到每个股票归入一个类别。

如果操作正确，不同的簇之间的相关性将最小。通过这种方式，投资者获得了多样化的所有优点：减少了下行损失、资本保值以及在不增加总风险的情况下进行风险更高的交易的能力。多样化仍然是投资的主要租户之一，而聚类分析只是实现多样化的一个渠道。

关键要点

• 聚类分析有助于投资者发展一种聚类交易方法，建立一个多元化的投资组合。
• 聚类分析使投资者能够购买和聚类具有适合不同市场细分的相关回报的资产。
• 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使投资组合容易遭受损失的系统性风险。
• 对聚类分析的一种批评是，收益率高度相关的聚类有时具有相似的风险因素，这意味着一个聚类中的弱绩效可能转化为另一个聚类中的弱绩效。

了解聚类分析

聚类分析使投资者能够通过识别具有相关回报的证券来消除投资组合中的重叠。例如，从表面上看，只有科技股的投资组合似乎是安全和多样化的，但当网络泡沫这样的事件发生时，整个投资组合很容易遭受重大损失。购买和整合适合不同市场细分的资产，对于增加多样化和防范此类系统性风险至关重要。

基于聚类分析的股票选择与交易

这项技术还可以发现某些类别的股票，如周期性股票和成长性股票。这些具体策略属于智能贝塔或因子投资范畴。它们试图从特定的风险溢价（如最小波动率、增长率和动量）中获得更好的风险调整回报。

在某种程度上，聪明的beta或因子投资体现了聚类分析所宣扬的分组和分类的概念。基于单一共同行为的聚类逻辑反映了要素投资背后的基本方法，即识别易受类似系统性风险影响且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，集群持有科技和金融等多个行业的股票。

聚类分析批判

聚类分析的一个明显缺点是聚类间的重叠程度。距离较近的集群，意味着回报率的高度相关性，通常具有一些相似的风险因素。因此，一个集群中的一天宕机可能会导致另一个集群中的性能同样较弱。因此，投资者应该寻找并**间距较大的股票。这样，集群受到不同市场因素的影响。

也就是说，像2008年经济衰退这样的大范围市场回调将抑制整个投资组合，无论其结构如何。即使是最多元化的集群也难以抵御衰退的不利因素。在这里，集群所能做的最好的事情就是最小化极端的下行损失。