[论文解读] Clustering and hierarchy of financial markets data: advantages of the DBHT

Nicoló Musmeci, Tomaso Aste+1 more|arXiv (Cornell University)|Jan 1, 2014

Complex Systems and Time Series Analysis被引用 3

一句话总结

本文提出了一种新型分层聚类方法——定向气泡分层树（DBHT），用于金融市场价格数据，并证明其在从股票收益相关性中检索行业部门分类方面优于传统的Linkage和k-medoids方法。DBHT通过使用更少的聚类提取了更多的经济信息，并在不同方法间展现出对金融危机的显著敏感性差异。

ABSTRACT

We present a set of analyses aiming at quantifying the amount of information filtered by di↵erent hierarchical
 clustering methods on correlations between stock returns. In particular we apply, for the first
 time to financial data, a novel hierarchical clustering approach, the Directed Bubble Hierarchical Tree
 (DBHT), and we compare it with other methods including the Linkage and k-medoids. In particular by
 taking the industrial sector classification of stocks as a benchmark partition we evaluate how the di↵erent
 methods retrieve this classification.
 The results show that the Directed Bubble Hierarchical Tree outperforms the other methods, being
 able to retrieve more information with fewer clusters. Moreover, we show that the economic information
 is hidden at di↵erent levels of the hierarchical structures depending on the clustering method. The
 dynamical analysis also reveals that the di↵erent methods show di↵erent degrees of sensitivity to financial
 events, like crises. These results can be of interest for all the applications of clustering methods to portfolio
 optimization and risk hedging.

研究动机与目标

• 评估并比较不同分层聚类方法从股票收益相关性中提取经济信息的能力。
• 评估不同聚类技术在检索已知股票行业分类作为基准时的准确性。
• 研究不同聚类方法对金融危机等金融市场景事件的敏感性。
• 识别经济信息最显著编码的分层结构层级。

提出的方法

• 首次在金融数据中应用定向气泡分层树（DBHT）于股票收益相关性矩阵。
• DBHT通过基于定向、气泡状合并策略的迭代聚类合并过程构建分层树，强调结构一致性。
• 使用相同的相关性数据，将DBHT的性能与标准Linkage和k-medoids聚类方法进行比较。
• 以股票的行业分类作为真实基准，评估聚类准确性。
• 分析每种方法生成的分层结构，以确定经济信息最易被检索的层级。
• 进行聚类演化的动态分析，以评估对金融危机和市场波动的敏感性。

实验结果

研究问题

• RQ1 与Linkage和k-medoids相比，DBHT方法在检索已知股票行业分类方面的有效性如何？
• RQ2 不同聚类方法在分层树的哪些层级上使经济信号最为明显？
• RQ3 不同聚类方法在对金融危机的敏感性方面有何差异？
• RQ4 每种方法在聚类数量与所提取信息量之间的权衡关系如何？

主要发现

• 与Linkage和k-medoids相比，DBHT方法在使用更少聚类的情况下提取了更多的经济信息，表现出更高的聚类效率。
• 经济信息在不同聚类方法中编码于不同的分层结构层级，表明信息定位具有方法依赖性。
• 与其它方法相比，DBHT对金融危机表现出更高的敏感性，反映出其捕捉市场动态变化的能力。
• 动态分析结果证实，不同聚类方法在对系统性市场事件的响应速度上存在显著差异。