Vandlorek
Ogni articolo qui proviene da pubblicazioni accademiche peer-reviewed. Niente opinioni, solo ricerca documentata con autori reali e metodi tracciabili.
Questi studi esaminano come gli algoritmi di clustering identificano pattern nei dati finanziari e costruiscono allocazioni basate su correlazioni nascoste.
Lo studio confronta tecniche di clustering gerarchico tradizionale con metodi alternativi applicati ai mercati emergenti. I risultati mostrano che il clustering basato su distanza di correlazione produce allocazioni più stabili nel tempo rispetto a metodi euclidei standard, con una riduzione della volatilità del 12% su un periodo di dieci anni.
Leggi lo studio completoQuesto articolo analizza come K-means e DBSCAN gestiscano l'allocazione in portafogli multi-asset durante condizioni di mercato diverse. I test empirici su 15 anni di dati dimostrano che DBSCAN identifica cluster più robusti quando la correlazione tra asset è instabile, mentre K-means funziona meglio in fasi di mercato stabile.
Leggi lo studio completoGli autori propongono un framework che integra spectral clustering con principi di risk parity per costruire portafogli adattivi. Il metodo sfrutta autovalori e autovettori della matrice di correlazione per identificare gruppi di asset con comportamenti simili, riducendo il drawdown massimo del 18% rispetto a strategie tradizionali durante il periodo 2008-2020.
Leggi lo studio completo