散户还在看K线，主力已经用“DNA技术”重组了股市（附源码）

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：很多朋友觉得买了不同行业的股票就是分散风险，结果大跌时还是“全军覆没”。今天我不谈K线，直接带你用量化程序做一个“基本面+价格”的双重聚类分析。这招能帮你一眼看穿哪些股票是“穿一条裤子”的，真正做到科学避险。代码已升级为免费数据源版本，直接抄作业！

各位捞友们，大家好，我是老余。

昨晚有个粉丝在后台哭诉：“我特意买了科技股、消费股还有新能源，觉得这叫‘分散投资’，稳如老狗。结果今天大盘一跌，怎么它们手牵手一起跳水？说好的对冲呢？”

听到这儿，老余我刚喝进嘴里的枸杞茶差点喷出来。兄弟，你以为买的名字不一样就是分散投资了？你那是把鸡蛋分开放进了同一个卡车里，车翻了，蛋全碎。

在金融市场里，名字不重要，“血缘关系”才重要。很多看似不相关的股票，其实背后的资金逻辑是一模一样的。

今天，老余就结合前两天在国外量化圈很火的一篇技术贴，以及Github上最新的策略代码，带大家用“机器学习”的视角，扒一扒你手里股票的真实关系。我们要用的技术，叫股票聚类（Stock Clustering）。

01 初级玩法：看谁跟谁“穿一条裤子”

所谓的聚类，说人话就是“物以类聚，人以群分”。

想象一下，你走进一个热闹的酒吧。虽然里面有几百号人，但你仔细一看，就能分出几个圈子：

• 圈子A： 西装革履，喝着威士忌聊上市（银行金融股）。
• 圈子B： 穿着格子衫，眼镜片很厚，聊代码（科技股）。
• 圈子C： 拿着保温杯，在那儿聊养生（医药消费股）。

在股市里，我们看两个股票是不是“一伙的”，最简单的办法就是看它们的价格走势（Price Action）。

如果股票A涨，股票B也涨；A跌，B也跌，那它俩就是“好基友”，相关性很高。如果你同时重仓这两个，只要有点风吹草动，你就等着双倍酸爽吧。

看上图，红色的区域就是“抱团区”。如果你手里的票都集中在红区，那你其实只买了一只股票。

02 进阶Pro版：给股票做“CT扫描”

“老余，光看价格走势就够了吗？”

问得好！这就涉及到了量化的第二层思维。有时候，垃圾股和绩优股在牛市里都涨，走势很像，但本质完全不同。一旦潮水退去，一个在裸泳，一个在游艇上。

所以，我们不仅要看它“怎么走”（价格），还要看它“身体好不好”（基本面）。

这里老余要引入一个更高级的概念：基本面+价格双重聚类。我们要把以下指标扔进算法的大锅里：

1. 市盈率 (PE)： 看它贵不贵。
2. 市值 (Market Cap)： 看它盘子大不大。
3. 波动率 (Volatility)： 看它脾气暴不暴躁。
4. Beta系数： 看它跟大盘紧不紧。

但是问题来了：市盈率是几十，市值是几千亿，波动率是百分之几。这些单位都不一样，怎么比？

这时候，就要祭出我们的神器——PCA（主成分分析）。

你就把它想象成一个“超级榨汁机”。你往里面扔进去苹果（价格）、香蕉（PE）、牛奶（市值），它咔咔一顿转，把这些乱七八糟的数据“降维打击”，最后吐出来一杯纯净的混合果汁。AI喝了这杯果汁，就能精准地把股票分成三六九等。

03 手把手实战：3分钟跑出你的策略

光说不练假把式。老余把Github上的付费代码，改写成了免费版（基于yfinance）。不管你是程序员还是金融民工，复制粘贴，把这图跑出来，发个朋友圈，逼格瞬间拉满。

第一步：环境准备与数据下载

我们选取美股市场上最具代表性的几只票：科技巨头、传统防守股、能源股和银行股，看看AI能不能把它们区分开。

Step 1: Get Data (Free Source)

import yfinance as yf
import pandas as pd
import numpy as np

# 1. 定义股票池：我们故意选几个不同行业的
tickers = [
    'AAPL', 'MSFT', 'NVDA', 'TSLA', 'GOOG',  # 科技疯狗组
    'KO', 'PEP', 'JNJ', 'MCD', 'PG',         # 养老防守组
    'XOM', 'CVX', 'JPM', 'BAC'               # 周期蓝筹组
]

print("老余正在帮你去海外捞数据，请耐心等待...")

data_list = []

for t in tickers:
    try:
        stock = yf.Ticker(t)
        
        # A. 获取基本面信息 (体检报告)
        info = stock.info
        
        # B. 获取价格历史 (计算脾气暴不暴躁)
        hist = stock.history(period="1y")
        # 计算年化波动率
        volatility = hist['Close'].pct_change().std() * (252**0.5)
        
        # 将关键指标装进篮子
        data_list.append({
            'Ticker': t,
            'PE': info.get('trailingPE', 0),       # 市盈率
            'MarketCap': info.get('marketCap', 0), # 市值
            'Beta': info.get('beta', 1),           # 贝塔
            'Volatility': volatility               # 波动率
        })
    except Exception as e:
        print(f"哎呀，{t} 的数据没捞到: {e}")

# 整理成表格
df = pd.DataFrame(data_list).set_index('Ticker')
df = df.fillna(0) # 填补空缺
print("数据集结完毕！")

第二步：开启“榨汁机” (PCA降维与聚类)

这一步是核心。我们要把几千亿的市值和几十的市盈率放在一起比，必须先做标准化（Standardization），然后用K-Means算法把它们自动分组。

Step 2: AI Clustering

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import seaborn as sns

# 1. 数据标准化 (把大家拉到同一起跑线)
scaler = StandardScaler()
df_scaled = scaler.fit_transform(df)

# 2. PCA降维 (把4个指标压缩成2个主成分，方便画图)
pca = PCA(n_components=2)
principal_components = pca.fit_transform(df_scaled)

# 3. K-Means聚类 (假设我们要分4个帮派)
kmeans = KMeans(n_clusters=4, random_state=42)
df['Cluster'] = kmeans.fit_predict(df_scaled)

# 4. 把PCA的结果也存进去，方便一会儿画图
df['PC1'] = principal_components[:, 0]
df['PC2'] = principal_components[:, 1]

# 打印结果看看
print(df.sort_values('Cluster')[['Cluster', 'PE', 'Volatility']])

第三步：可视化你的“股市地图”

最后，我们画一张散点图。点离得越近，说明它们越像；颜色不同，代表不同的帮派。

Step 3: Visualization

plt.figure(figsize=(10, 8))
sns.scatterplot(
    x='PC1', y='PC2', 
    hue='Cluster', 
    data=df, 
    palette='viridis', 
    s=200 # 点的大小
)

# 给每个点标上名字
for i in range(df.shape[0]):
    plt.text(
        df.PC1[i]+0.1, 
        df.PC2[i]+0.1, 
        df.index[i], 
        fontdict={'size': 12}
    )

plt.title('老余捞鱼 - 股票基本面+价格聚类图', fontsize=15)
plt.xlabel('主成分 1 (通常代表波动/成长性)')
plt.ylabel('主成分 2 (通常代表市值/稳健性)')
plt.grid(True)
plt.show()

你会看到：
● 特斯拉、英伟达 在右上角（高波动、高成长）
● 可口可乐、强生 在左下角（低波动、稳健）
● 苹果、微软 在中间（兼顾成长与稳健）

04 深度解析：怎么用这个图？

图跑出来了，怎么指导我们的实盘操作？老余总结了一个对比表：

实战建议：

如果你的持仓里，80%的股票都挤在同一个颜色的Cluster里，哪怕它们行业不同，你的风险也是极度集中的。试着把资金分散到图表上距离最远的两个点上，那才是真正的“资产配置”。

05 观点总结

兄弟们，投资这事儿，有时候真不能光靠直觉。你觉得它们不一样，但资金流向告诉你，它们就是一回事。

今天介绍的这个基本面+价格双重聚类，是量化机构里常用的手段。它能帮你撕开股票表面的标签，看到资金流动的真相。

📝 核心笔记

• 分散≠数量多： 即使你买了10只科技股，只要它们在同一个聚类里，风险就是100%。
• 相信算法： 人脑处理不了多维度的复杂关系（PE、市值、波动率混在一起），但PCA和聚类算法可以。
• 动态调整： 市场风格会变（比如现在AI火，以前是新能源火），建议每个季度跑一次这个代码，给持仓做个“体检”。
• 工具是辅助： 量化工具帮你排雷，但选股的最终逻辑，还得看企业的基本面。

好了，今天的干货就捞到这里。代码如果有报错，或者想看A股版本（如何分析茅台和宁德时代），点赞、在看、转发三连，人数多的话老余下期专门出一期A股实战版！

我是老余，用数据说话，咱们下期见！👋

#量化交易 #Python金融 #资产配置 #老余捞鱼 #股票聚类

觉得老余这篇干货有用的，老规矩，点赞在看，评论区见！ 👇

风险提示：投资有风险，入市需谨慎。本文仅供学习参考，不构成投资建议。