[QMT和ptrade量化交易小白入门]-119、通过k-means聚类实现 Etf核心轮动的动态股票池

本专栏主要是介绍QMT和ptrade的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写200篇左右。 QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步。

文章目录

• • • 相关阅读
    • 代码模块详解与作用解析
    • • 一、数据加载与预处理模块 (`load_etf_data_fixed`)
      • 二、特征工程模块
      • • 1. 交易活跃度特征
        • 2. 风险收益特征
      • 三、相关性矩阵构建模块
      • 四、K-means聚类执行模块

相关阅读

小白也能做量化：零门槛QMT、Ptrade免费送 量化交易入门：如何在QMT中配置Python环境，安装第三方依赖包 年化收益达到了70%，增加了动态仓位权重调整后的全球核心资产轮动策略（含python代码解析）

之前在写ETF核心轮动的时候，有球友就提出疑问，选定的股票池是不是会有未来函数，虽然已经计算了相关性系数也回测了近10年，但终究是一个固定的股票池，让人的感觉还是有一些后视效果。这两天有球友也分享了动态股票池的思路，直接通过k-means聚类，每个月动态调整股票池。

本文实现的动态股票池通过四个核心步骤完成：数据标准化处理、特征工程提取、相似性度量建模、聚类结果。对原始ETF价格数据进行时间维度过滤和质量筛选，确保基础数据的有效性；随后计算交易活跃度（平均成交额）和风险属性（年化波动率）作为资产特征；接着利用相关性矩阵捕捉资产间联动关系，将其转化为K-means算法可处理的