Clustering Ierarhic în Practică: Cum Construiești un Dendrogramă Corectă pentru Alocarea Activelor Financiare
Dendrograma nu este doar un grafic frumos — este arhitectura invizibilă care dictează distribuția riscului în HRP.
Recunoaștem că dendrograma pare la prima vedere un simplu grafic de arbore, o curiozitate vizuală fără consecințe practice majore. Realitatea este că structura acestui arbore determină direct cum este distribuit riscul în modelul HRP. Alegerea metodei de legătură, metrica de distanță și ordinea de unire a clusterelor nu sunt detalii tehnice — sunt decizii cu impact direct asupra alocărilor finale. Această analiză detaliată explorează pas cu pas cum se construiește o dendrogramă corectă și ce poate merge greșit pe parcurs.
De Ce Metrica de Distanță Contează Mai Mult Decât Crezi
Totul pornește de la o decizie aparent minoră: cum transformi corelațiile în distanțe. Formula clasică folosită în HRP, d(i,j) = sqrt(0.5 × (1 - ρ(i,j))), produce valori cuprinse între zero și unu și respectă axiomele unei metrici matematice propriu-zise. Aceasta nu este o simplă convenție — este o condiție esențială pentru ca algoritmul de clustering ierarhic să producă rezultate coerente și interpretabile. Dacă folosești o transformare care nu respectă inegalitatea triunghiului, dendrograma poate produce inversiuni, adică situații în care un cluster mai mare are o distanță mai mică decât sub-clusterele sale, ceea ce face arborele imposibil de interpretat corect. Echipa noastră a observat în literatura de specialitate că această eroare apare surprinzător de frecvent în implementările informale ale HRP. Există și alternative la formula clasică, precum distanța bazată pe informație mutuală sau distanța de corelare la rang Spearman, fiecare cu avantaje și compromisuri proprii în funcție de distribuția datelor financiare analizate.
Metode de Legătură: Simplă, Completă sau Mediană?
Odată calculată matricea de distanțe, algoritmul de clustering ierarhic aglomerativ trebuie să decidă cum măsoară distanța dintre doi clustere formate din mai multe active. Aceasta este alegerea metodei de legătură, iar impactul său asupra formei dendrogramei finale este semnificativ și adesea subestimat. Legătura simplă, care folosește distanța minimă dintre orice pereche de puncte din cele două clustere, tinde să producă structuri alungite și dezechilibrate, un fenomen cunoscut sub numele de chaining. Legătura completă, bazată pe distanța maximă, produce clustere mai compacte și mai echilibrate, dar poate fi excesiv de conservatoare în unirea grupurilor cu câteva puncte îndepărtate. Legătura mediană sau cea bazată pe centroizi oferă un compromis, dar poate genera inversiuni dacă nu sunt aplicate cu atenție. Legătura Ward, deși nu este menționată explicit în articolul original al lui Lopez de Prado, a fost explorată în extensii ulterioare ca o alternativă care minimizează varianța intra-cluster la fiecare pas de unire. Nu există o alegere universal superioară — depinde de structura reală a corelațiilor din datele tale.
Quasi-Diagonalizarea: Pasul Elegant Care Pregătește Alocarea
După construirea dendrogramei, HRP aplică un pas distinct și elegant: reordonarea activelor conform structurii arborelui, astfel încât activele similare să fie adiacente în matricea de corelație. Această quasi-diagonalizare transformă o matrice cu corelații aparent dispersate aleatoriu într-una în care blocurile de corelație ridicată sunt vizibile de-a lungul diagonalei principale. Valoarea practică a acestui pas depășește estetica vizuală. O matrice quasi-diagonalizată face ca bisecția recursivă din pasul următor să fie mai intuitivă și mai robustă, deoarece fiecare sub-matrice rezultată din bisecție corespunde unui grup natural de active cu comportament similar. Ordinea în care activele apar în matrice nu este arbitrară — este determinată de parcurgerea dendrogramei de la stânga la dreapta și reflectă structura de similaritate capturată de algoritm. Echipa noastră subliniază că această reordonare este o caracteristică definitorie a HRP, care îl distinge de alte metode de alocare bazate pe clustering care nu exploatează explicit această proprietate structurală.
Bisecția Recursivă: Cum Riscul Coboară prin Arbore
Alocarea riscului în HRP se realizează printr-un algoritm de bisecție recursivă care pornește de la rădăcina dendrogramei și coboară spre frunze. La fiecare nivel al arborelui, clusterul curent este împărțit în două sub-clustere, iar riscul disponibil este distribuit între ele invers proporțional cu varianța fiecăruia. Sub-clusterul cu varianță mai mare primește o pondere mai mică, iar cel mai stabil primește mai mult. Procesul se repetă recursiv pentru fiecare sub-cluster până când se ajunge la activele individuale. Rezultatul final este un vector de ponderi care reflectă atât structura ierarhică a corelațiilor, cât și nivelurile individuale de risc ale activelor. Un aspect important de înțeles este că varianța unui cluster în HRP este calculată ca varianța unui portofoliu ponderat invers cu varianțele individuale ale activelor din cluster, nu ca o sumă simplă. Această decizie de design asigură că și în interiorul fiecărui cluster se aplică un principiu de paritate a riscului, nu doar la nivelul superior al arborelui.
Ce Poate Merge Greșit și Cum Să Verifici
Construirea unei dendrograme corecte pentru HRP implică mai multe puncte în care erorile se pot strecura discret. Primul și cel mai frecvent este utilizarea unui estimator de corelație care nu este pozitiv semi-definit din cauza datelor lipsă sau a seriilor temporale desincronizate. O matrice de corelație care nu este pozitiv semi-definită poate produce distanțe negative sau inversiuni în dendrogramă, invalidând întregul proces. Al doilea punct critic este alegerea lungimii ferestrei de estimare: o fereastră prea scurtă produce corelații zgomotoase și instabile, în timp ce una prea lungă capturează regimuri de corelație istorice care nu mai sunt relevante. Al treilea aspect este verificarea stabilității dendrogramei la mici perturbații ale datelor de intrare — dacă structura arborelui se schimbă dramatic la eliminarea sau adăugarea unui singur activ, aceasta indică o sensibilitate excesivă care trebuie adresată. Echipa noastră recomandă întotdeauna compararea dendrogramei obținute cu o versiune construită pe o sub-perioadă diferită a datelor, ca verificare minimă a robusteții structurale înainte de orice interpretare sau aplicare a modelului.