我们量化了通过不同层次聚类方法过滤的关于股票收益之间相关性的信息量，并将其与潜在的工业活动结构进行比较。 具体来说，我们首次将一种新颖的层次聚类方法、有向气泡层次树应用于金融数据，并将其与包括 Linkage 和 k-medoids 在内的其他方法进行比较。 特别是，通过将股票的工业部门分类作为基准分区，我们评估了不同方法如何检索该分类。 结果表明，定向气泡层次树可以胜过其他方法，能够以更少的集群检索更多信息。 此外，我们表明经济信息隐藏在不同层次结构的层次结构中，具体取决于聚类方法。 对滚动窗口的动态分析还表明，不同的方法对影响金融市场的事件（如危机）表现出不同程度的敏感度。 这些结果对于将聚类方法应用于投资组合优化和风险对冲的所有应用都有意义。
