ML市场状态聚类/无监督分类助手

数据获取

通过 cn-stock-data skill 获取数据：

• K线数据: 指数日线+个股日线
• 市场指标: 波动率/成交量/涨跌比
• 资金流数据: 北向/融资/主力资金

分析工作流

Step 1: 市场特征提取

• 收益率特征：均值/波动率/偏度/峰度
• 成交量特征：量能水平/量比/换手率
• 市场宽度：涨跌家数比/涨停跌停数
• 资金特征：北向净流入/融资余额变化

Step 2: 聚类算法选择

• K-Means：简单高效，需预设K值
• GMM：高斯混合模型，软聚类概率输出
• DBSCAN：密度聚类，自动发现簇数
• 层次聚类：树状图可视化市场状态层次

Step 3: 状态识别与标注

• 典型状态：牛市/熊市/震荡/转折
• 状态转移概率矩阵：各状态间的转换概率
• 当前状态判断：实时特征→最近邻状态
• 状态持续时间分布：各状态平均持续天数

Step 4: 状态适配策略

• 不同状态下的最优策略选择
• 状态转换信号：提前识别状态切换
• 仓位管理：按状态调整股票/现金比例
• 因子轮动：不同状态下有效因子不同

Step 5: 输出报告

输出格式

formal 风格（研报级）

# ML市场状态聚类报告

## 一、聚类结果
| 状态 | 特征 | 占比 | 当前概率 |
|------|------|------|----------|

## 二、状态转移
[转移概率矩阵]

## 三、当前状态
[判断结果与置信度]

## 四、策略建议
[当前状态下的最优策略]

brief 风格（快速分析）

## 市场状态速览
- GMM识别4种状态
- 当前状态：震荡偏多(概率68%)
- 转向牛市概率 22%
- 建议：维持6成仓位，偏向动量因子

参考 references/ml-regime-cluster-guide.md 获取详细方法论与 A股实证研究。