把股票按走势分组，像在嘈杂的聚会里判断谁总在一起行动：一次偶然的涨跌，就可能让分组彻底变样。更麻烦的是，现成的 GICS 行业分类只反映公司主营业务，未必解释市场里不断变化的共同波动。这项研究对 S&P 500 成分股收益序列做聚类——也就是不预设答案，直接按相似性自动分组，试图找出行业标签之外的结构。据 SSRN，论文于 2025 年发布并修订，后于 2026 年 6 月在线发表于 Quantitative Finance。
最值得注意的是它的处理顺序：研究先做正交投影，可理解为从数据中减去 GICS 行业这个已知方向；再用基于 PCA 的特征向量清洗，削弱抽样噪声对相关结构的干扰；最后以集成聚类汇总多次分组的共识，减少单次估计的偶然性。说白了，它不是重新发现“银行像银行”，而是先拿掉这层显眼答案，再寻找剩余的共振。作者称，该方法在其交易策略检验中改善了 Sharpe ratio（承担单位风险获得的回报）和 P&L（盈亏），并捕捉到相对其他聚类方案的额外 alpha（难以由既有方案解释的收益）；现有材料未披露具体提升幅度。