Коллеги, решил проверить, насколько хорошо методы машинного обучения группируют валюты, если использовать не парные котировки, а абсолютные курсы (метод Abscur — расчёт единой фундаментальной стоимости для 45 валют через оптимизацию сетки из 85+ пар).
Что сделано:
Взяты ежедневные абсолютные курсы 45 валют с 1996 по 2026 год.
Для каждой валюты рассчитаны 7 признаков за 1, 5 и 10 лет: общая доходность, средняя дневная доходность, волатильность, коэффициенты Шарпа/Сортино, максимальная просадка, коэффициент вариации (итого матрица 45×21).
Стандартизация, затем k‑means и иерархическая кластеризация.
Результаты (k=4):
Кластер 0 (20 валют): стабильные развитые — USD, EUR, CHF, GBP, CAD, SEK, SGD, CNY, HKD и др. Низкая волатильность, малые просадки.
Кластер 1 (14 валют): сырьевые и развивающиеся рынки — AUD, BRL, RUB, ZAR, NOK, MXN, COP, KZT и др. Высокая доходность, высокая волатильность, заметные просадки.
Кластер 2 (3 валюты): кризисный обвал — ARS, EGP, TRY. Просадки >80%, доходность резко отрицательная на всех горизонтах.
Авто-репост. Читать в блоге >>>




