Cookievoorkeuren

Wij gebruiken cookies om uw ervaring te verbeteren en onze diensten te optimaliseren. U kunt uw voorkeuren hieronder aanpassen.

Noodzakelijk voor de basisfunctionaliteit van de website

Helpt ons te begrijpen hoe bezoekers de website gebruiken

Gebruikt voor gepersonaliseerde advertenties en aanbiedingen

Pelun Mordas logo
Onbegeleid leren in financiën
Hoe een ETF provider 600 aandelen groepeerde zonder sector-classificaties te vertrouwen

Hoe een ETF provider 600 aandelen groepeerde zonder sector-classificaties te vertrouwen

01/25/26
128

Groeperen op werkelijk gedrag in plaats van labels

Traditionele sector-indelingen frusteerden een team bij VanEck Europe. Technology bevatte zowel chipmakers als software bedrijven die totaal anders reageerden op marktomstandigheden.

Ze testten hierarchische clustering in oktober 2021 met 600 large-cap aandelen. Het algoritme gebruikte 36 maanden koerscorrelaties om bedrijven te groeperen op basis van werkelijk bewegingsgedrag in plaats van bedrijfsomschrijvingen.

Elf groepen die logischer voelden

Cluster drie bevatte energiebedrijven samen met bepaalde transport-aandelen omdat beide sterk correleerden met olieprijzen. Cluster zeven groepeerde luxemerken met premium autofabrikanten vanwege hun gevoeligheid voor consumenten-sentiment.

Software-als-dienst bedrijven eindigden in een aparte cluster van hardware-producenten ondanks dat beide officieel technology waren.

Correlaties vertellen een ander verhaal

Voor introverte quants was dit validatie. De data toonde structuren die intuïtie of industrie-conventies negeerden. Ze hoefden geen committees te overtuigen waarom een nieuwe indeling beter was. De correlatie-matrices spraken voor zich.

Het team lanceerde een experimentele ETF op basis van deze clusters in 2022. Performance was vergelijkbaar met sectorgebaseerde indices maar volatiliteit daalde met 11% omdat correlaties binnen clusters lager bleken.

Ze updaten de clustering elk half jaar omdat bedrijfsmodellen en marktdynamiek verschuiven.

Betrokkenheid
128

Aantal lezers dat dit artikel waardevol vond voor hun begrip van unsupervised learning methoden

Toepassingsgebied
Financiën

Ontdek hoe clustering-algoritmes en dimensiereductie patronen identificeren in transactiedata, kredietrisico's voorspellen zonder gelabelde datasets, en anomalieën detecteren in handelsstromen

Verdiep je kennis van machine learning

Bekijk het leerprogramma