聚类分析在金融投资分析中的应用

黄嘉奇

摘 要：当前国民经济水平不断提高，个人投资理财成为人们赚取更多财富的手段之一，然而理财有风险，投资需谨慎，加之当前金融市场正处于完善与发展阶段，需要人们具备金融投资分析能力，用以削减金融风险。本文通过对聚类分析在金融投资分析中的应用方略的研究，以期为提高人们投资理财成功几率，维护金融市场稳定提供依据。

关键词：聚类分析 金融投资 应用

中圖分类号：F832.48 文献标识码：A 文章编号：2096-0298（2018）12（c）-049-02

自我国加入国际世界贸易组织后，市场经济就呈现横向及纵深发展趋势，为金融市场崛起提供条件，加之国民经济实力不断提高，人们手中可用于投资理财的闲散资金越来越多，为满足人们的投资理财需求，相关金融产品种类不断增多，在为人们创造财富同时，金融投资风险相伴而生，为此个人需掌握一定的金融投资分析方法，能在瞬息万变的金融市场中把握投资机遇，削减理财风险，获取更多经济收益。然而，当前仍有许多投资理财者存在忽视风险、盲目投资、未掌握专业投资分析方法等问题，严重影响了我国金融市场稳健发展。基于此，为营建和谐、稳定、科学、高效投资理财大环境，引导更多人进入金融市场，并成为活跃金融市场的“细胞”之一，探究聚类分析在金融投资分析中的应用方略显得尤为重要。

1 聚类分析理念

聚类分析主要是指将分析对象分解，组成若干个存在关联和区别的集合，各个集合之间为“组内同质、组间异质”状态，通过对集合进行对比分析，找出分析对象发展规律及研究方向，其中在分析对比过程中产生的数据是得出分析结论的依据。聚类分析从统计学、计算机科学、数学、经济学及生物学等多个学科中发展而来，为此其具有一定的综合性，具备数据描述能力，通过对比分析，衡量数据之间的异同，将数据分别置于不同的集合中，与分析对象林立而论，填充未知分类领域，达到分析目的。

基于聚类具备数据分析能力，为此可以通过数据建模实现聚类分析，在统计学理念加持下，常用的聚类分析法包括分解法、动态聚类法、系统聚类法、有序样品聚类、加入法及模糊聚类方法等，在信息技术加持下，聚类分析作为一种常用工具，在SAS、SPSS等软件中得到了较为广泛的应用。聚类分析法将数据分置于若干簇中，簇具备隐藏属性，通过聚类分析自行标记，富有探索特性。在应用聚类分析法时，人们无需制定分析标准，从分析对象内派生的各类数据为由，实现自主分类，依据数据变化情况及簇的隐藏属性，会得出不同的分析结果，相同数据在不同分析人员眼中，存在不同类聚可能，为拓展客观事物分析途径，提高分析效率奠定基础。

从实际应用层面来讲，聚类分析是挖掘数据内涵的一种手段，为此其分析依据仅为数据，数据从分析对象本身而来，确保数据极具导向性，可满足人们探寻分析对象发展规律的切实需求，为此该分析方法在金融投资分析中的应用，能帮助理财者找到某个具体金融产品，乃至整个金融市场的发展规律，为理性投资削减金融投资风险提供依据。

2 聚类分析方法

（1）概述聚类分析方法。聚类分析方法主要由两种形式构成：第一，层次聚类（Hierarchical Clustering）。该方法主要由树状图（柱形图、扇形图等）、分解法、合并法构成；第二，非层次聚类。该方法主要由谱聚类、划分聚类构成，其中，谱聚类（Spectral Clustering，SC）为图论聚类法，具有适应性强、直观、具体、聚类效果尚佳等应用优势，划分聚类法无需赘述，依据分析对象数据形式进行划分，聚类意图清晰、科学，能有效提高聚类分析效率。

（2）聚类分析方法应用特性。通过对聚类分析方法进行探讨可知，无论何种分析方法均拥有一个主体分析对象，为此该方法极具针对性，其在金融投资分析中的应用，可以深入、直观、具体的得出数据，并将其纳入不同的簇中，为数据分析提供便利。除具备直观、针对、简便特性外，聚类分析方法在应用过程中还具备可能性多、分析对比无局限、研究结论丰富等特性，这是源于一组数据从不同角度进行分析，将得到不同分析结果，为人们研究客观事物提供依据。基于聚类分析以数据为导向，为此数据增减均会影响客观事物分析成效，为此人们需权衡各个因素与分析对比数据的关系，预见可能影响结果的因素。例如：特殊变量、异常值等，必要时采取一定标准化分析对比处理措施，使聚类分析结果更具实效性。

（3）聚类分析方法应用思路。以该分析方法在金融投资分析中的应用为例，需在前期设定聚类分析对象，如股票市场、债券、期货、古董等，使分析有的放矢，在明确分析对象后，构建分析模型，得出判别函数，用Y代替判别值（判别分数），用x1—xn代表存在与分析对象中变量，用a1—an代表系数，继而得出公式：Y=a1x1+a2x2+a3x3··anxn，待得出公式后，进行统计分析，得出分类矩阵。结合定义问题进行组别判比，对判比结果进行诠释，发掘数据中潜在的属性及内涵，推测具备有效性的判别结论，并再次分析、验证样本[1]。

3 聚类分析在金融投资分析中的应用步骤

（1）预处理数据。依据金融投资分析需求，选择数据处理标度、类型、数量等因素，为使相关因素选择科学、合理，依据特征进行抽取与选择，选择突出、典型且极为重要的特征，制定出特征集，同时需将孤立点从数据中移除，使数据模型更具稳定性、有效性，避免出现数据与模型相互分离的问题发生，继而保障聚类结果不存在任何偏差，使聚类更为科学、可靠。

（2）定义距离函数，衡量金融投资分析中数据的相似程度。聚类分析以获取类似数据集，对比不同数据集异同为分析基础，为此该方法在金融投资分析中应用时，需明确特征空间衡量相似度的标准与步骤，在特征标度丰富性，特征类型多样性前提下，谨慎得出距离量度，确保聚类分析方法得到有效应用。基于金融投资分析复杂性，有些聚类度分散于若干领域中，同一个距离量度经常用于反映若干数据相异性，作为特征化若干数据概念的工具，用以衡量数据及其所在图像特性。

（3）分组、聚类。将处于金融投资领域中的数据，分置于不同类中是较为重要的步骤，在不同分类方法加持下，数据将有不同的分置形态，例如Crisp Clustering将数据单独进行分类，Fuzzy Clustering数据分类具备不确定性，分组、聚类形式与数据划分方法密切相關，属于嵌套划分系列，用以衡量数据可分离性、相似性，适用于金融投资分析的类聚方法还有密度聚类等。

（4）评估输出。在围绕金融投资分析得出数据分组结果后，人们需对数据聚类结果进行分析，基于聚类并无特定程序与管理手段，为此并无客观标准统一评估聚类结果，通常情况下结合某个类产生的有效索引得出评价方向，类内部耦合情况、外部分离情况，均会影响聚类结果评估，通常情况下人们会选择最佳有效索引值作为类的数目，为此需确保有效索引标准、科学、规范，针对复杂数据集，则需依据金融投资分析数据实况，结合现有聚类分析方法，合理设定索引标准，提高该分析方法应用质量[2]。

4 聚类分析在金融投资分析中的应用实例

通过对聚类分析在金融投资分析中的应用方法及步骤的研究可知，该方法具有灵活性、针对性、多样性分析优势，可以依据金融投资分析切实需求作好调整，使分析结果更具导向性，为推动金融市场稳健发展，帮助投资理财者规避相关风险提供依据，聚类分析应用价值可见一斑。为使该方法得以有效应用，探究其在金融投资分析中的具体应用势在必行。

以上海市A股为分析主体，为确保分析成效随机选择25支股票，这些股票数据来自某证券网所对外公布的近期财务数据。

首先，对近期财务数据进行预处理。为规避股票数据数量级与量纲的差异，确保分析结果科学性，需处理原始数据，为保障聚类判别成效提供数据依据，通过建立函数关系式，将极差与标准差进行标准化处理。

其次，对数据逆指标进行正向化处理。逆指标为流通股票，需取相关数值的倒数。

再次，进行聚类分析。借助SPSS软件对应用分析所选25支股票进行系统分析：第一类，金城股份、亚星客车、安泰集团、宝信软件、上风高科、长城开发、新黄浦、中兵光电；第二类，方大B、江苏吴中、华茂股份、腾达建设、新都酒店、公用科技、京新药业；第三类，TCL集团、公用科技、盾安环境、国金证券、浦发银行、国通管业、邯郸钢铁、华北制药、上海家化、格力集团。其中，第一类收益率较低，说明其扩张能力有限，其稳定性较差，发展存在阻力，投资价值相对较小，第二类股票成长性较高，收益相对较好，经营现金流率较低，说明其具有资金周转慢、销售周期长等问题，不适合长期投资，第三类收益相对较好，企业经营较为稳定，发展前景乐观，有一定的发展扩张趋势是投资首选。

最后，检验聚类分析效果。为确保聚类分析结果科学、可靠，需在各组别中选择样本，并对样本差异进行比对，如若样本差异小，组间样本差异大，则说明分析效果尚佳。基于此，本次实例研究选择方差分析法，对聚类中的单个因素、多个因素等总体均值进行检验，帮助人们找到股票投资规律，掌握金融市场发展实况。应用MATLAB语言编程，输入manoval命令，观察数据阵，所得ALPHA水 平显著，将检验假设置于10维空间中，所得总体均值无明显差异性，说明所提检验假设不成立，表示本次聚类分析结论科学、可靠[3]。

5 结语

综上所述，聚类分析具有可以指定初始位置，分析结果以数据为导向，结合分析目标所得分析结论多样、丰富等特点，较为适合分析金融投资市场潜在风险与投资收益等问题，引导个人投资者规避风险，提高经济收益，达到投资理财目的，为此人们需掌握基本的聚类分析方法，并将其应用在金融投资分析过程中，伴随我国科学技术飞速发展，支持该分析方法应用的软件将得以丰富与优化，并逐渐朝着大众化、简便化、科学化方向发展，这就需要相关研究人员秉持与时俱进精神，推动该分析方法不断发展，引导人们树立科学理财意识，提升专业理财能力，助力金融市场稳健发展。

参考文献

[1] 宋洁.聚类分析在金融投资分析中的应用[J].中国商论， 2017（21）.

[2] 张超.聚类分析在金融投资分析中的现实应用[J].卷宗， 2017（23）.

[3] 刘勇.聚类分析在金融投资分析中的应用[J].卷宗，2016（1）.