Què és l’anàlisi de clústers?
L’anàlisi de clústers és una tècnica utilitzada per agrupar conjunts d’objectes que comparteixen característiques similars. És freqüent en estadístiques. Els inversors utilitzaran l’anàlisi de clústers per desenvolupar un enfocament de negociació de clústers que els ajudi a construir una cartera diversificada. Les existències que presenten correlacions elevades de rendiments entren en una cistella, aquelles lleugerament menys correlacionades en una altra, etcètera, fins que cada estoc es col·loca en una categoria.
Si es fa correctament, els diferents clústers mostraran una mínima correlació entre si. D’aquesta manera, els inversors aconsegueixen totes les virtuts de la diversificació: reduccions de pèrdues negatives, preservació de capital i capacitat de fer operacions més arriscades sense afegir el risc total. La diversificació continua sent un dels principals inquilins de l’inversió i l’anàlisi de clústers és només un canal per aconseguir-ho.
Punts clau
- L’anàlisi de clústers ajuda els inversors a desenvolupar un enfocament de negociació de clústers que genera una cartera d’inversions diversificada. L’anàlisi de cluster permet als inversors comprar i agrupar actius amb rendiments relacionats que s’ajusten a diferents segments de mercat. Un dels avantatges de l’anàlisi de clústers és ajudar a protegir la cartera de l’inversor. riscos sistémicos que podrien convertir la cartera en situació de vulnerabilitat a les pèrdues. Una crítica de l’anàlisi de clústers és que els clústers amb una elevada correlació en els rendiments comparteixen de vegades factors de risc similars, cosa que significa que un comportament dèbil en un clúster es pot traduir en un rendiment feble en un altre.
Comprensió de l’anàlisi de clústers
L’anàlisi de clústers permet als inversors eliminar el solapament de la seva cartera identificant valors amb rendiments relacionats. Per exemple, una cartera de només existències tecnològiques pot semblar segura i diversificada a la superfície, però, quan es produeix un esdeveniment com el Dotcom Bubble, tota la cartera és vulnerable a pèrdues importants. La compra i l’agrupament d’actius que s’adapten a diferents segments de mercat és crucial per augmentar la diversificació i protegir-se davant d’aquests riscos sistèmics.
Selecció i negociació d’accions basada en l’anàlisi de clústers
La tècnica també pot descobrir determinades categories d’existències com les existències cícliques i de creixement. Aquestes estratègies específiques estan dins del paraigua intel·ligent beta o factor inversor. Intenten obtenir rendiments millors ajustats al risc de primes específiques de risc com ara la mínima volatilitat, creixement i impuls.
D’alguna manera, la inversió intel·ligent en beta o factor encarna els conceptes d’agrupament i categorització predicats per l’anàlisi de clústers. La lògica d’agrupar-se en un únic comportament comú reflecteix la metodologia bàsica darrere de la inversió del factor, que identifica accions susceptibles a riscos sistèmics similars i comparteix característiques similars.
No sempre és el cas que els actius d’un clúster visquin a la mateixa indústria. Sovint, els clústers contenen accions de diverses indústries com la tecnologia i les finances.
Crítica de l’anàlisi de clústers
Un inconvenient evident de l’anàlisi de clústers és el nivell de superposició entre clústers. Els clústers estan a distància, la qual cosa significa una alta correlació en rendiments, sovint comparteixen alguns factors de risc similars. Així, un dia inferior en un clúster podria traduir-se en un rendiment igualment feble en un altre clúster. Per aquesta raó, els inversors haurien de trobar i agrupar accions amb una gran distància entre ells. D'aquesta manera, els clústers es veuen afectats per diferents factors de mercat.
Dit això, grans desavantatges en el mercat com el de la recessió del 2008 acceleraran tota la cartera independentment de la seva construcció. Fins i tot els grups més diversificats tindrien problemes per haver de patir rebuigades. Aquí, el millor clustering que es pot fer és minimitzar les baixes extremes.
