خوشه بندی رفتار سرمایه گذاران بر اساس ویژگی های مالی، رفتاری و جمعیت شناختی: مطالعه ای بر اساس الگوریتم k-means

یکی از موضوعاتی که تاثیر بسزایی در نحوه سرمایه گذاری افراد دارد، خصوصیات رفتاری سرمایه گذاران است. با توجه به اهمیت این موضوع، سرمایه گذاران باید بتوانند افراد سرمایه گذار را به طبقات مختلف دسته بندی نمایند و برای هر طبقه، سرمایه گذاری متناسب با تیپ شخصیتی همان طبقه را به آن ها توصیه کنند. یکی از راهکارهایی که برای این منظور می توان استفاده نمود، خوشه بندی است. خوشه بندی یکی از روش های یادگیری بدون نظارت بوده و ماهیتی توصیفی دارد. در این روش داده ها بر اساس یک معیار مشابهت به گونه ای تخصیص می یابند که داده های موجود در هر خوشه دارای بیشترین شباهت با یکدیگر و کمترین شباهت با داده های موجود در خوشه های دیگر باشند.

در این پژوهش با استفاده از خوشه بندی k-means و روش انتشار وابستگی، مجموعه ای از سرمایه گذاران با توانایی و تمایل مشابه برای پذیرش ریسک را شناسایی می کنیم. همچنین نشان می دهیم که چگونه می توان با استفاده از تکنیک های خوشه بندی به تخصیص موثر دارایی ها با استفاده از خصوصیات سرمایه گذاران پرداخت.

از ضریب silhouette برای ارزیابی دو روش خوشه بندی استفاده نموده تا بهترین روش را برای خوشه بندی داده ها انتخاب نماییم. ضریب k-means برابر با 0.17 و انتشار وابستگی برابر  با 0.097 شد؛ بنابراین ما روش k-means را به عنوان روش خوشه بندی مطلوب انتخاب می نماییم. با استفاده از روش خوشه بندی K-means به خوشه بندی سرمایه گذاران براساس ویژگی های مالی، رفتاری و جمعیت شناختی پرداخته و با توجه به نتایج خوشه بندی، افراد را به هفت دسته با پذیرش ریسک کم تا زیاد تقسیم بندی می نماییم.

کلیه محاسبات این پژوهش توسط پایتون 3.8 انجام شده است. نتایج این پژوهش می تواند توسط مدیران سرمایه گذاری و مشاوران توصیه گر سهام مورداستفاده قرار بگیرد.