Кластеризація та аномальність даних індексу волатильності фондового ринку США

Abstract

Інвестування грошей це важливий спосіб покращення фінансового стану, як окремої людини, так і суспільства в цілому. Актуальною є проблема розуміння фінансових даних та прийняття рішень щодо інвестицій грошей в певний проект на даний момент часу. Об’єктом дослідження є процес встановлення залежність вартості активу від часу. Предметом дослідження є математичні моделі обробки даних, проведення кластеризації даних та пошуку аномалій. Метою даної роботи є розробка методу для ефективного інвестуванню грошей з використанням методів обробки та аналізу даних до значень індексу волатильності фондового ринку США, визначення кластерів по діям з активами, а також перевірка наявності аномальних даних. Результати досліджень. Обрані офіційні дані значень індексу волатильності та підготовлені для подальшого аналізу шляхом видалення неповних наборів та подальшої нормалізації. Проведена кластеризація часових рядів та розділено масив на п’ять однорідних груп. Кластери визначають діапазони індексу волатильності, що відображають різні настрої інвесторів на ринку та спонукають до відповідних дій з активами: продавати, очікувати, купляти, виводити гроші з проектів, що розвиваються і вкладити в стабільні, перечекати. Програмно проведено сегментацію даних, застосування віконної функції, визначено центроїди для сегментів та проведено реконструкцію сигналу. Визначено точки аномалій даних. Проведено порівняльний аналіз за результатами побудованих початкових даних, реконструйованих та похибки реконструювання.Investing money is an important way to improve the financial condition of both an individual and society as a whole. The problem of understanding financial data and making decisions regarding the investment of money in a certain project at this moment in time is relevant. The object of the study is the process of establishing the dependence of the value of the asset on time. The subject of research is mathematical models of data processing, data clustering and anomaly detection. The purpose of this work is to develop a method for effective investment of money using data processing and analysis methods for CVOE volatility index values in the USA, determination of clusters based on actions with assets, as well as checking the presence of anomalous data. Research results. Official data of volatility index values were selected and prepared for further analysis by removing incomplete sets and further normalization. Clustering of time series was carried out and the array was divided into five homogeneous groups. Clusters determine the ranges of the volatility index, which reflect the different sentiments of investors in the market and encourage appropriate actions with assets: to sell, to wait of index increasing, to buy, to remove money from developing projects and invest in stable ones, to wait of index decreasing. Segmentation of data, application of window function, centroids for segments were determined and signal reconstruction was carried out. Data anomaly points were identified. A comparative analysis was carried out based on the results of constructed initial data, reconstructed data and reconstruction error.