Een portfolio manager bij Thornwick Capital draaide in 2019 een experiment. Haar team had transactiedata van 12 jaar verzameld maar geen duidelijke hypothese over wat erin verborgen zat.
Ze kozen voor k-means clustering. Het algoritme verdeelde 180.000 transacties in acht groepen op basis van kenmerken zoals volatiliteit, volume en timing. Geen vooraf bedachte labels, geen assumpties over wat normaal was.
Drie clusters bleken waardevol
Cluster 2 bevatte transacties die voor marktsluitingen gebeurden met ongewoon lage spreads. Cluster 5 groepeerde handel in aandelen met plots stijgend volume tijdens earnings announcements. Cluster 7 identificeerde momentum-patronen die ze nooit handmatig hadden opgemerkt.
Het team bouwde drie strategieën rond deze inzichten. Ze testten ze gedurende acht maanden op nieuwe data voordat ze live gingen.
De stille kracht van patronen zonder namen
Voor introverte analisten is dit ideaal. Je hoeft geen theorie te pitchen of te verkopen waarom iets zou moeten werken. Het algoritme toont wat er feitelijk in de data aanwezig is.
De strategieën uit clusters 2 en 5 genereren nu stabiele returns. Cluster 7 werd stopgezet na vier maanden omdat het patroon verdween. Dat gebeurt. Unsupervised learning vindt structuur maar garandeert geen blijvende alpha.