用机器学习方法重构期货商品板块

阿岛格 参考专栏：低门槛搭建个人量化平台
https://www.zhihu.com/column/c_1441014235068944386

摘 要

金融市场商品期货的板块分类，通常根据不同交易所、监管机构和证券商标准，按照期货标的属性、或产业链关系等进行分类，各自分类略有差异和不同。通过机器学习Affinity Propagation（AP）聚类方法，不依托产品属性及上述标准，而通过实时行情数据的价格涨跌联动关系，进行聚类分析；通过流形学习（Manifold Learning）技术进行降维，在二维图上可视化，用距离稀疏和远近来描述品种间价格涨跌联动的强弱，得到了与现实很接近、但又有独特视角的聚类表现结果，具有现实的应用意义。在AP聚类算法分析中，讨论了参考度量（preference）和衰减系数（dumping）的参数变化，探讨了它们对聚类结果的敏感影响。未来可以进一步分析在金融市场大板块中再细分及各板块联动影响，这是机器学习及人工智能未来更深入研究和探讨的方向。

Commodities in the market are classified by the standards of different data dealers and services, etc. Through the Affinity Propagation (AP) clustering method of machine learning, it was to find out how the different classification of commodities would be formed, considering the linkages of their price var