تدوين دندروگرام هاي سبد سهام بر اساس معيار فاصله اقليدسي (مقايسه اي بين روش هاي گوناگون خوشه بندي سلسله مراتبي)

(Codification of Dendrograms Portfolio Based on Euclidean Distance Measure (A Comparison Between Different Methods of Hierarchical Clustering

امروزه تجزيه وتحليل بازارهاي مالي به عنوان بخشي از بازار سرمايه و تاثير آن در توسعه و طراحي پرتفوي و استراتژي سرمايه گذاري هر كشور، به موضوعي مهم و بسيار حياتي تبديل گشته است. هدف از اين پژوهش، بررسي چگونگي ارتباط و توزيع سهم هاي مربوط به شاخص 30 شركت بزرگ بورس اوراق بهادار تهران و اثرات ارتباطي بين خوشه هاي حاصل از سهم هاي مرتبط با هر صنعت است. در اين پژوهش با استفاده از انواع روش هاي خوشه بندي سلسله مراتبي، ساختار، طبقه بندي و سلسله مراتب اين سهم ها در سال 1393 موردبررسي قرارگرفته است. نتايج نشان داد كه با تمركز بر هر يك از روش هاي خوشه بندي سلسله مراتبي و پياده سازي آن ها بر روي سهم هاي موردنظر، خوشه هاي مختلفي از سهام با توجه به شباهت و روابط اقتصادي و حوزه صنعت مربوط به هر سهم شناسايي گرديد و همچنين خوشه هاي كليدي و سهم هاي حياتي در مجموعه موردنظر به دست آمد. درمجموع نتايج حاكي از آن است كه انتخاب بهترين روش خوشه بندي سلسله مراتبي براي خوشه بندي سهم ها، به هدف موردنظر از تجزيه وتحليل خوشه اي و در نظر گرفتن مزايا و معايب هر روش بستگي دارد.

Today analysis of financial markets as a part of the capital market and its impact on development and portfolio design and investment strategy of each country has become an important and most critical issue. The aim of this study was to investigate how the connection and distribution of stocks related to 30 large companies index of Tehran Stock Exchange and the effects of relationship between clusters of related stocks to every industry. In this study, using a variety of methods of hierarchical clustering, structure, classification and hierarchy of the stocks in the year 1393 reviewed. The results showed that With a focus on each of the hierarchical clustering methods and their implementation on the target stocks, were identified different clusters of stocks due to the similarity and economic relationships and also the key clusters and the vital stocks in the desired set were obtained. The results indicate that the choice best hierarchical clustering algorithm for clustering stocks depends on the desired purpose of cluster analysis and consideration of the advantages and disadvantages of each method.