本研究は、トポロジカルデータ分析（TDA）が従来の統計手法を超えた通貨の動きに関する洞察を提供できるかどうかを調査します。対象は、複雑で非線形かつ高次元のダイナミクスを持つ外国為替（FX）市場です。13の主要通貨の月次対ユーロログリターンを用いて、TDA由来の特徴と従来の統計的特徴に基づくクラスタリング結果を比較します。k-meansと階層的クラスタリングの2つの広く使用されるアルゴリズムを両方の特徴に適用し、クラスタの質はシルエットスコアとカリンスキ・ハラバズ指数で評価されます。結果、TDAに基づく特徴によるクラスタリングは、従来の統計特徴によるものよりも緊密で明確なクラスタを生成し、特に高いカリンスキ・ハラバズスコアを達成しました。しかし、全てのクラスタリング手法はシルエットスコアが控えめであり、FX時系列のグループ化の難しさを強調しています。TDAと従来の特徴の異なるクラスタ構成は、TDAが通貨の共同動向における構造的パターンを捉えられることを示唆しており、リスク管理に活用できる可能性があります。