Кластерный анализ в портфельном инвестировании

Страница 4

Рисунок 2

Остальные два кластера имеют большое расстояние в Евклидовом пространстве, т.е. котировки этих акций не кореллируют между собой.

Для оценки надежности данных высказываний используем метод корелляции Спирмена непараметрической статистики.

Таблица 2 – Насколько надежен первый кластер.

Сравниваемые эмитенты	Коэффициент корелляции Спирмена R	Уровень значимости p-level
EESR & GSPBEX	0,806077	0,000000
EESR & TATN	0,785205	0,000000
EESR & MSNG	0,943979	0,000000
EESR & SNGS	0,903574	0,000000
SNGS & EESR	0,903574	0,000000
SNGS & MSNG	0,863814	0,000000
TATN & GSPBEX	0,779617	0,000000
TATN & MSNG	0,753098	0,000000
TATN & SNGS	0,874308	0,000000

Корелляция достаточно сильная, с уровенм значимости менее 0.05. Вывод : Кластер надежен

Таблица 2 – Насколько надежен второй кластер (Сибнефть и Ростелеком)

Сравниваемые эмитенты	Коэффициент корелляции Спирмена R	Уровень значимости p-level
RTKM & SIBN	0,946897	0,00

Вывод : Кластер надежен, корелляция достаточно высокая , с уровнем значимости менее 0.05

Таким образом, при оптимизации структуры портфеля, можно объединить некоторые акции в отдельные кластеры, что при большом количестве активов существенно упрощает расчеты.

Заключение

Кластерный анализ включает в себя набор различных алгоритмов классификации. Общий вопрос, задаваемый исследователями во многих областях, состоит в том, как организовать наблюдаемые данные в наглядные структуры. В общем, всякий раз, когда необходимо классифицировать "горы" информации к пригодным для дальнейшей обработки группам, кластерный анализ оказывается весьма полезным и эффективным. Кластерный анализ необходим для классификации информации, с его помощью можно определенным образом структурировать переменные и узнать, какие переменные объединяются в первую очередь, а какие следует рассматривать отдельно.

Большое достоинство кластерного анализа в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков. Кроме того, кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов, и позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры, когда показатели имеют разнообразный вид, затрудняющий применение традиционных эконометрических подходов.

Как и любой другой метод, кластерный анализ имеет определенные недостатки и ограничения: В частности, состав и количество кластеров зависит от выбираемых критериев разбиения. При сведении исходного массива данных к более компактному виду могут возникать определенные искажения, а также могут теряться индивидуальные черты отдельных объектов за счет замены их характеристиками обобщенных значений параметров кластера. При проведении классификации объектов игнорируется очень часто возможность отсутствия в рассматриваемой совокупности каких-либо значений кластеров. Первоначально неизвестно число кластеров, на которое необходимо разбить исходную совокупность элементов, и визуальные наблюдения в многомерном случае просто не приводят к успеху.

Описанная методика позволяет оптимально решить сразу две важнейшие проблемы: разбиение множества ценных бумаг на отдельные однородные группы, а также выявление факторов воздействия внешней среды, влияющих на данные группы с последующим нахождением факторных весов. Это позволяет избежать искусственной дискретности, возникающей при жестком выборе факторов внешней среды и сортировке компаний исключительно по отраслям (например, с использованием сектор-факторов).

Технология портфельной оптимизации позволяет формировать инвестиционный портфель на основе выбранного инвестором степени риска и прогнозов изменения макроэкономических факторов, выполненных экспертами инвестиционной компании или государственными органами регулирования экономики. Не меньший практический интерес представляет сравнение имеющегося инвестиционного портфеля с эталонным портфелем в разрезе выбранных факторов, что позволяет выявить и оценить преимущества и недостатки исследуемого набора ценных бумаг, имея при этом количественные критерии.

Список литературы

1. Шарп У., Александер Г., Бэйли Дж. Инвестиции: Пер. с англ. – М.: ИНФРА-М, 2001. – XII, 1028 с.

2. Севриновский В.Д. Методика формирования инвестиционного портфеля с использованием факторного и кластерного анализа.

3. Никифорова Н.С. Кластерный анализ в задачах социально-экономического прогнозирования.