КЛАСТЕРИЗАЦИЯ ПРИ СОСТАВЛЕНИИ ИНВЕСТИЦИОННЫХ ПОРТФЕЛЕЙ
DOI:
https://doi.org/10.52167/1609-1817-2024-132-3-206-215Ключевые слова:
кластеризация, K-medoids, C-means, диверсификация, оптимизация портфеля, анализ данных, фондовый рынокАннотация
Кластеризация – эффективный инструмент для диверсификации инвестиций, снижения риска и выявления новых возможностей. Кластеризация играет ключевую роль в анализе данных, позволяя группировать объекты с похожими характеристиками. В данном исследовании рассматривается применение кластеризации к задачам формирования и оптимизации инвестиционных портфелей. В работе представлены два метода кластеризации: K-medoids и нечеткая кластеризация (C-means). K-medoids делит активы на кластеры по корреляции, а C-means позволяет активам принадлежать к нескольким кластерам с разной степенью. В статье анализируются различные методы кластеризации в контексте фондового рынка. Сравниваются меры сходства для кластеризации акций. Представлен алгоритм K-средних для кластеризации компаний по временным рядам. Используется хаотическая картографическая кластеризация для анализа динамики фондового рынка. Алгоритм TreeGNG применяется для определения секторов фондового рынка. Разработан метод HRK для прогнозирования краткосрочных изменений цен на акции. Обсуждается применение методов интеллектуального анализа данных для прогнозирования тенденций фондового рынка. Сравниваются методы K-средних и C-means для кластеризации банковских и энергетических компаний. Демонстрируется эффективность гибридного подхода SOM-SVR для прогнозирования динамики цен и волатильности. C-means объединяется с искусственными нейронными сетями для повышения точности прогнозирования фондового рынка. Исследование демонстрирует потенциал различных методов кластеризации в контексте составления и оптимизации инвестиционных портфелей.
Библиографические ссылки
[1] Gavrilov, Martin, et al. "Mining the stock market (extended abstract) which measure is best?" Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining. 2000.
[2] Rashidi, Parviz, M. Analoui, and Javad Azizmi. "Modified k-means algorithm for clustering stock market companies." 1st Iran Data Mining Conference. 2007.
[3] Basalto, N., et al. "Clustering stock market companies via chaotic map synchronization." Physica A: Statistical Mechanics and its Applications 345.1-2 (2005): 196-206.
[4] Doherty, Kevin AJ, et al. "Hierarchical topological clustering learns stock market sectors." 2005 ICSC Congress on Computational Intelligence Methods and Applications. IEEE, 2005.
[5] Lee, Anthony JT, et al. "An effective clustering approach to stock market prediction." (2010).
[6] Hajizadeh, Ehsan, Hamed Davari Ardakani, and Jamal Shahrabi. "Application of data mining techniques in stock markets: A survey." Journal of Economics and International Finance 2.7 (2010): 109.
[7] Majewski, Sebastian, Agnieszka Majewska, and Kesra Nermend. "A Comparison of k-means and Fuzzy c-means Clustering Methods for a Sample of Gulf Cooperation Council Stock Markets." Folia Oeconomica Stetinensia 14 (2014): 19-36
[8] Choudhury, Subhabrata, et al. "A real time clustering and SVM based price-volatility prediction for optimal trading strategy." Neurocomputing 131 (2014): 419-426.
[9] Sugumar, Rajendran, Alwar Rengarajan, and Chinnappan Jayakumar. "A technique to stock market prediction using fuzzy clustering and artificial neural networks." Computing and Informatics 33.5 (2014): 992-1024.
[10] Baser, Preeti, and Jatinderkumar R. Saini. "Agent based stock clustering for efficient portfolio management." International Journal of Computer Applications 116.3 (2015): 36-41.
[11] Suganthi, R., and P. Kamalakannan. "Analyzing stock market data using clustering algorithm." International Journal of Future Computer and Communication 4.2 (2015): 108.
[12] Salighehdar, Amin, et al. "Cluster analysis of liquidity measures in a stock market using high frequency data." Journal of Management Science and Business Intelligence 2.2 (2017): 1-8.
[13] Bini, B.S., and Tessy Mathew. "Clustering and regression techniques for stock prediction." Procedia Technology 24 (2016): 1248-1255.
[14] Momeni, Mansoor, Maryam Mohseni, and Mansour Soofi. "Clustering stock market companies via k-means algorithm." Kuwait Chapter of Arabian Journal of Business and Management Review 33.2578 (2015): 1-10.
[15] Gupta, Abhishek, and Samidha D. Sharma. "Clustering-Classification based prediction of stock market future prediction." International Journal of Computer Science and Information Technologies 5.3 (2014): 2806-2809.
[16] Das, Debashish, et al. "Hybrid Clustering-GWO-NARX neural network technique in predicting stock price." Journal of Physics: Conference Series. Vol. 892. No. 1. IOP Publishing, 2017.
[17] Prasanna, S., and D. Ezhilmaran. "Stock market prediction using clustering with meta-heuristic approaches." Gazi University Journal of Science 28.3 (2015): 395-403.
[18] Renugadevi, T., et al. "Stock market prediction using hierarchical agglomerative and k-means clustering algorithm." Indian Journal of Science and Technology 9.48 (2016).
[19] Aghabozorgi, Saeed, Ali Seyed Shirkhorshidi, and Teh Ying Wah. "Time-series clustering–a decade review." Information systems 53 (2015): 16-38.
[20] Chaudhuri, Tamal Datta, and Indranil Ghosh. "Using clustering method to understand Indian stock market volatility." arXiv preprint arXiv:1604.05015 (2016).
[21] Marti, Gautier, et al. "A review of two decades of correlations, hierarchies, networks and clustering in financial markets." Progress in information geometry: Theory and applications (2021): 245-274.
[22] Li, Xiaodong, and Pangjing Wu. "Stock price prediction incorporating market style clustering." Cognitive Computation 14.1 (2022): 149-166.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Райымбек Дурбенов, Жанар Ламашева, Валерий Лахно, Макпал Жартыбаева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
