Clustering of Assets and its relationship with macroeconomic variables and the financial indexes
DOI:
https://doi.org/10.33448/rsd-v10i2.12421Keywords:
Financial assets; Cluster; Financial decisions.Abstract
The advent of the financial market is one of the most fascinating events of our time. Over the years, researchers and investors have been interested in developing tools to assist in making decisions regarding capital allocation. This work proposes clustering as a metric to classify a set of assets, through a grouping method that maximizes similarity between elements of the same group and minimizes similarity between different groups in order to mitigate portfolio risk. Additionally, we use multiple linear regressions (MLR) to show whether the assets belonging to the clusters respond in a similar way to some macroeconomic variables and financial indexes. For the analyzed period -January 2019 to January 2020 - we obtained 8 different clusters of assets with a minimum of 1 asset (1.32 % of total assets) and a maximum of 30 assets (42.86% of total assets). With respect to the relationships with the selected variables, the ANBIMA market index (IMAB) and the smll index (smalll caps) are the most closely variables related to the clusters whereas that the IPCA and Ibovespa indexes are the least significant variables in the econometric application proposed in this paper.
References
Anderson, T. An introduction to multivariate statistical analysis. John Wiley & Sons, 675.1984.
Bussab, W., Miazaki, E., & Andrade, D. Introdução à análise de agrupamentos. Associação Brasileira de Estatística, p. 105. 1990.
Doni, M. Análise de cluster: métodos hierárquicos e de particionamento. Universidade Presbiteriana Mackenzie. 2004.
Halkini, M., Batistakis, Y., & Vazirgiannis, M. On Clustering Validation Techniques, 2001.
Hongyu, K., Sandanielo, V., & Martins, G. Análise de Componentes Principais: resumo teórico, aplicação e interpretação. E&S - Engineering and Science, p. 1-5. 2015.
Lanzarini, J., Queiroz, F., Queiroz, J., Vasconcellos, N., & Hekis, R. A popularização do mercado de ações brasileiro: as mudanças recentes na bolsa de valores. XXXI Encontro Nacional de Engenharia de Produção. 2011.
Linden, R. Técnicas de Agrupamento. Revista de Sistemas de Informação da FSMA, 18-36(4).
Mingoti, S. Análise de Dados Através de Métodos de Estatística Multivariada: uma abordagem aplicada. Belo Horizonte: Editora UFMG. 2005.
Nievola, J. Análise de Agrupamento. PPGIa, PUCPR. 2006.
Palma, L. Agrupamento de dados: k- médias. Universidade Federal do Recôncavo da Bahia Centro de Ciências Exatas e Tecnológicas.2018.
Papenbrock, J. Asset Clusters and Asset Networks in Financial Risk Management and Portfolio Optimization. Tese de doutorado em economia da Faculdade de Economia do Instituto de Tecnologia Karlsruhe. 2011.
Quintal, G. Análise de clusters aplicada ao Sucesso/Insucesso em Matemática. Universidade da Madeira Departamento de Matemática e Engenharias.2006.
Reis, E. Estatística multivariada aplicada. Lisboa: Edições Silabo, p. 342. 1997.
Rocha, T., Peres, S. M., Biscaro, H., Madeo, R., &Boscarioli, C. Tutorial sobre Fuzzuc-Means e Fuzzy Learning Vector Quantization: Abordagens Híbridas para Tarefas de Agrupamentos e Classificação. Revista de Informática Teórica e Aplicada, 9(1).
Sarajane M., & Clodoaldo A. Técnicas de Agrupamento (Clustering). 2015.
Silva, T. Método Estatístico de Análise de Cluster Aplicado aos dados de uma Associação de Proteção Veicular. Universidade Federal de Minas Gerais Especialização em Estatística – Ênfase em Mercado e Indústria. 2013.
Totti, R., Vencovsky, R., & Batista, L. Utilização de métodos de agrupamentos hierárquicos em acessos de Paspalum (Graminea (Poaceae)). 2001.
Zaiane, O., Oliveira, S. Geometric data transformation for privacy preserving Clustering. Edmonton, Alberta, Canada, 2003.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Daiane Rodrigues dos Santos; Tuany Esthefany Barcellos de Carvalho Silva; Campo Elias Suárez Villagrán; Tiago Costa Ribeiro
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
