ML市场状态聚类/无监督分类助手

---
name: a-share-ml-regime-cluster-d9d96a86fb39
description: A股ML市场状态聚类/无监督分类。当用户说"市场聚类"、"无监督分类"、"状态聚类"、"ML聚类"、"K-means市场"、"市场分类"、"聚类分析市场"时触发。基于 cn-stock-data 获取数据，使用无监督学习识别市场状态。支持 formal/brief 两种输出风格。
---

# 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。