Hierarchikus klaszterezés és a portfólió-kiválasztás probléma

Absztrakt

Ezen tanulmányban hierarchikus klaszterezésen alapuló portfólió-kiválasztási eljárásokat hasonlítunk össze. A hierarchikus klaszterezést egyrészt a korrelációs mátrix tisztítására használjuk, és a szakirodalomban bevett módszerek mellett egy ún. konfigurációs modellen alapuló módszert is bemutatunk. A portfólió kiválasztó eljárások közül a tisztított korrelációs mátrixot használó Markowitz-modellt vizsgáljuk. Másrészt a hierarchikus klaszterezést a portfólió kialakítására közvetlenül használó HRP és HERC algoritmusokat mutatjuk be. A valós adatokon végzett kísérleteinkkel összeállított portfóliókat több kritérium szerint is kiértékeljük. Vizsgálataink azt mutatják, hogy az új portfólió kiválasztó módszerek ugyan több metrika szerint is jobban teljesítenek az eredeti Markowitz-modellnél, nincs egyértelműen legjobb választás a befektető számára.