aifinlab A股股票聚类/相似股票发现
数据源
SCRIPTS="$SKILLS_ROOT/cn-stock-data/scripts"
python "$SCRIPTS/cn_stock_data.py" kline --code [CODE] --freq daily --start [日期]
python "$SCRIPTS/cn_stock_data.py" quote --code [CODE]
python "$SCRIPTS/cn_stock_data.py" finance --code [CODE]
Workflow
Step 1: 获取多股数据
Step 2: 特征构建
- 收益率特征：日/周收益率序列
- 基本面特征：PE/PB/ROE/营收增速等
- 技术特征：波动率/Beta/动量等
Step 3: 聚类分析
- K-Means聚类（需指定K）
- 层次聚类（树状图可视化）
- DBSCAN（自动发现簇数）
Step 4: 簇特征分析
各簇的共同特征（行业/风格/基本面）
Step 5: 输出
| 维度 | formal | brief |
|---|---|---|
| 聚类结果 | 完整分簇列表 | 目标股所在簇 |
| 簇特征 | 各簇详细画像 | 同类股票 |
| 应用 | 配对交易候选 | Top 5相似股 |
| 默认风格：brief。 |
关键规则
- 特征标准化是聚类的前提——不同量纲需归一化
- K-Means对K值敏感——可用肘部法则或轮廓系数选K
- 收益率相似不等于基本面相似——需分维度聚类
- 聚类结果可用于配对交易候选筛选
- 行业分类≠统计聚类——后者可能发现隐含关联
使用示例
示例 1: 基本使用
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json