?
Применение методов кластеризации для формирования оптимального инвестиционного портфеля на российском фондовом рынке
В статье анализируется применение методов кластеризации для формирования оптимального инвестиционного портфеля, который позволил бы инвестору достичь эффективного соотношения
риска и доходности. Были рассмотрены три наиболее популярных вида кластеризации: K-Means,
MeanShift и DBSCAN. Наибольшее внимание уделено методу DBSCAN, показаны его преимущества
сравнительно с другими методами кластеризации в контексте обработки финансовых данных ак-
ций, подчеркнута его способность выявлять кластеры произвольной формы, устойчивость к шуму,
отсутствие необходимости предварительно задавать количество кластеров. В работе использован
комплексный подход к формированию оптимального портфеля. На первом этапе проводится подго-
товка данных и их дальнейшая кластеризация на основе исторических данных о доходности, вола-
тильности и корреляциях с использованием языка программирования. На втором этапе произво-
дится дальнейшее ранжирование путем присвоения интегральных оценок, которые учитывали бы
множество критериев и позволили бы выделить наиболее инвестиционно привлекательные акции
внутри каждого выбранного кластера. После всех этапов производится формирование оптималь-
ного портфеля с наивысшим коэффициентом Шарпа, коэффициентом Сортино и другими показате-
лями, превосходящими средневзвешенный портфель и индекс MOEX. Для валидации результатов
используется моделирование методом Монте-Карло, позволяющее оценить устойчивость портфеля
в различных рыночных сценариях, включая периоды волатильности и кризисов. Исследование вос-
полняет пробел в изучении методов кластеризации для оптимизации инвестиционного портфеля,
предлагая практический алгоритм, который может быть адаптирован для индивидуальных и ин-
ституциональных инвесторов. Полученные выводы подчеркивают потенциал применения методов
кластеризации для формирования оптимального инвестиционного портфеля.