Анализ кластерной структуры российского рынка ликвидных акций в аспектах реакции на шоки и корреляции доходностей

В работе мы разобрали существующий инструментарий интеллектуального анализа данных и использовали некоторые его методы для поиска информации в финансовых данных. В частности, мы применили два метода кластеризации данных для улавливания событийности в финансовых данных индекса Московской Биржи, состоящего из 10 наиболее ликвидных акций российского фондового рынка (MOEX10), рассмотрев влияние шока апрельского пакета санкций 2018 года со стороны США, как последнего из наиболее сильно повлиявшего на дальнейшую динамику рынка в целом и бумаги индекса МосБиржи 10 в частности. Для проведения кластерного анализа мы выделили три торговых периода и использовали логарифмические доходности этих периодов. Используя далее кластеризацию методом k-средних мы применили различные варианты числа кластеров и дополнили результаты методом иерархической кластеризации. Также мы самостоятельно сконструировали нейронную сеть для обработки данных по бумагам индекса, которая ищет выбросы доходностей в библиотеке входных данных по методу скользящего окна. Наконец, мы сопоставили полученные результаты кластеризации бумаг индекса MOEX10 с результатами обработки рядов финансовых данных нейронной сетью и обнаружили изначально не очевидную связь между результатами, полученными различными методами.