Performance of clustering-based stock portfolios : case: Exploratory study of k-means clustering for S&P500 in 2010-2022 data using combinations of selected key figures

Abstract

The purpose of this study is to use cluster analysis to determine whether there are combinations of common key figures that could have outperformed the S&P500 index within the studied timeframe. The data used are the stocks in the S&P500 index, their price data, and ratio values for the period 2010-2022. The methodology of the study is to make combinations of three ratios out of a total of eight ratios. The values corresponding to these ratios are grouped into five different clusters using the K-means method. For the analysis, the clusters with the highest and lowest midpoints are selected to form a "Growth Portfolio", composed of stocks with high ratios, and a "Value Portfolio", composed of stocks with low ratios. The total number of portfolios created using this method is 112. The average returns of the value and growth portfolios are compared, in absolute and risk-adjusted terms, with the returns of the S&P500 index and the returns of the randomly selected portfolios. In addition, a more detailed analysis will look at the best performing individual portfolios.

Based on the results, four growth portfolios performed best. These four portfolios were generated by clustering EV/EBIT, P/CF & EV/EBITDA; EV/EBIT, P/CF & P/E; EV/EBITDA, P/CF & P/B and EV/EBIT, P/CF & P/S. These four portfolios outperformed the random portfolios in absolute terms and had a higher Sharpe ratio than the S&P500 index. The average annual return on these ratios was at least 16.36% and the Sharpe ratio at least 3.70, in comparison with 9.82% and 3.36 for the S&P500 index respectively. The research done was an exploratory study. Based on the results, only some of the portfolios formed outperformed the S&P500 index, so in general no conclusions can be drawn about the superiority of this method compared to the S&P500 index.

Tämän tutkimuksen tarkoituksena on selvittää klusterianalyysin avulla, onko olemassa yleisten tunnuslukujen yhdistelmiä, joiden perusteella ylituottoa voidaan saavuttaa S&P500- indeksiin verrattuna. Datana käytetään S&P500-indeksiin kuuluvia osakkeita, niiden hintatietoja sekä tunnuslukujen arvoja vuosilta 2010–2022. Tutkimuksen metodina on tehdä kolmen tunnusluvun yhdistelmiä yhteensä kahdeksasta tunnusluvusta. Näitä suhdelukuja vastaavat arvot ryhmitellään viiteen eri klusteriin K-means -menetelmällä. Analyysiin valitaan klusterit, joiden keskipisteet ovat korkeimmat ja matalimmat, ja muodostetaan "Kasvuportfolio", joka on muodostettu korkeiden tunnuslukujen osakkeista, ja "Arvoportfolio", joka koostuu matalien tunnuslukujen osakkeista. Tällä menetelmällä luotuja salkkuja on yhteensä 112. Arvo- ja kasvuportfolioiden keskimääräisiä tuottoja verrataan absoluuttisesti ja riskikorjatusti S&P500-indeksin tuottoihin ja satunnaisesti muodostettujen portfolioiden tuottoihin. Lisäksi lähemmässä tarkastelussa perehdytään parhaiten tuottaneisiin yksittäisiin portfolioihin.

Tulosten perusteella parhaiten suoriutui neljä kasvuportfoliota. Nämä portfoliot muodostettiin klusteroimalla tunnuslukuryhmiä EV/EBIT, P/CF & EV/EBITDA; EV/EBIT, P/CF & P/E; EV/EBITDA, P/CF & P/B sekä EV/EBIT, P/CF & P/S. Nämä neljä portfoliota menestyivät absoluuttisesti paremmin kuin satunnaisportfoliot, ja niiden Sharpen luku oli korkeampi kuin S&P500. Näiden tunnuslukujen keskimääräinen vuosituotto oli vähintään 16,36 % ja Sharpen luku vähintään 3,70, kun S&P500-indeksin luvut olivat 9,82 % ja 3,36. Tutkimus tehtiin kokeilevana tutkimuksena. Tulosten perusteella vain osa salkuista ylitti S&P500, joten johtopäätöksiä portfolioiden yleisestä menestyksestä ei voida tehdä.