相信大家都在寻找产品的过程中花费了不少精力。
此前我们曾在《网页链接{嘟嘟的投研CheatSheet · 如何利用机器学习进行产品聚类}》介绍了如何使用机器学习对基金产品进行聚类，从而快速找到我们需要的产品。
今天我们以公募基金为例，尽可能完整地跟大家介绍上述工具的使用方法。
在开始进行聚类之前，首先我们需要知道，公募基金有哪些分类，每个分类的核心特征是什么。
图表 设置获取所有公募基金
比如，从波动率角度，公募基金从货币到债券再到股票，大体呈现下图所示的分布特征：
图表 各类公募基金产品年化波动率算术平均分布
那么在接下来聚类的过程中，我们核心要控制的参数一个是波动率，另一个是拟分类的数量，即我们打算把某一波动率区间内的产品，让机器学习分成几类。
示例1：货币
由于货币基金的年化波动率通常小于0.2%，那么我们先按照0.2%进行设置。
图表 聚类核心参数1：波动率设置
而在拟分类数量方面，大家可以多尝试不同的值，比如我们先设置成5，从聚类结果来看，5类产品丝毫看不出有什么区别，基于此可再重新设置回1，最后便得到一系列高夏普的货币基金清单。
图表 聚类核心参数2：拟分类数量
图表 当拟分类数量为5时，结果并没有显著差异
图表 高夏普货币基金清单
当然了，因为货币本身没有投资风险，其实筛选不用这么复杂的过程，不过此处更多是为了说明基金聚类应该怎么来使用。另外我看了下上述产品大部分还是跑赢了市场平均水平的。
示例2：纯债
具体尝试的过程示例1已有描述，在此直接告诉大家关键参数设置：波动率筛选区间为0.2%-1%，拟合数量为2，由此我们得到的便是长债跟短债两类产品的集合。
图表 通过聚类快速识别为短债、长债两类产品
分类0为长债，分类1为短债，当然了，这个分类也不是绝对的准确，像我们在分类0中也偶尔能看到短债产品，但确实能找到很多不错的产品。
图表 高夏普债券基金清单
示例3：固收+
关键参数：波动率1%-4%，拟合数量3，得到纯债、固收+、干扰项三类。
示例4：权益
至于权益的聚类分析上一篇文章已有提及，核心参数是波动率大于10%，分类数量4，在此不再赘述。
当然，还有一个关键参数是时间，我们输入的时间周期越短（比如近1年），理论上能拿到的分类结果越精确。
以上我们主要是通过波动率的维度去进行产品的筛选。当然筛选的标准并不唯一，大家也可以尝试使用包括收益率、最大回撤等指标进行，我相信最终结果应该是殊途同归的。在不同的参数选择上，大家可以多尝试下不同的组合，没准会有以外的收获，比如发现一些此前忽略掉的策略等。
除了在公募基金领域，我们也能把上述思路应用在私募基金的筛选上，只不过净值数据的获取对于大部分FOF机构来说会有难度。如果机构愿意花钱去买朝阳永续的数据库，那可以一次性解决聚类所需要的底层净值数据问题，如果机构不愿意的话，我们就只能挨个找管理人要净值的托管邮箱发送，然后再通过IMAP获取邮箱净值数据，最后再进行分析，后面我们也会把邮箱读取净值的方法跟大家做个分享。
本文所需完整代码此前已上传星*球，关键词：如何利用机器学习进行产品聚类