随着我国股票市场不断发展壮大,上市公司逐年增多,我国股票市场投资者进行信息筛选以选取优质股票的时间成本也逐年上升。运用聚类分析依据财务指标区分股票类型能够使投资者快速掌握目标行业内财务特征分布,减低选股的工作量。现有针对财务指标进行上市公司聚类的研究中存在财务指标选取覆盖面不强、某一评价维度的财务指标选取过多等情况,存在一定的改良空间。本文考虑了评价上市公司经营情况的五个维度,在各维度均等的分配指标数量,避免了因某一维度指标过多对聚类结果的影响,构建了能够综合反映上市公司经营情况的财务指标体系。与此同时,粒子群聚类算法因其收敛速度快、全局寻优能力而受到学界关注,并在医学研究、生物学研究、农业研究、高维数据处理等领域有了较好的应用,展现了较强的适应能力和较好的稳定性。本文将粒子群聚类算法的一种优化思路——量子行为粒子群聚类算法引入到针对财务指标对上市公司进行聚类的研究中,填补了这部分的研究空白。本文以通信行业A股市场上市公司为例,采用基于K-means优化的量子行为粒子群聚类算法(KQPSO),依据多维财务指标数据进行聚类,得到了在盈利能力、盈利质量、营运能力、偿债能力、成长性方面都有较高区分度的10类公司,并详细分析了这10类公司的类型特征,并对各类公司的投资价值进行了验证,为我国A股市场投资者提供参考。