ฉันมักจะได้ยินว่าค่าลักษณะเฉพาะที่ใหญ่ที่สุด 3 ค่าเป็นสิ่งที่สำคัญที่สุดในขณะที่ค่าที่ใกล้เคียงศูนย์จะเป็นจุดรบกวน
คุณสามารถทดสอบสิ่งนั้นได้ ดูกระดาษเชื่อมโยงในโพสต์นี้สำหรับรายละเอียดเพิ่มเติม อีกครั้งหากคุณจัดการกับซีรี่ส์ทางการเงินครั้งคุณอาจต้องการแก้ไขสำหรับ leptokurticity ก่อน (เช่นพิจารณาชุดของผลตอบแทนที่ปรับ garch ไม่ใช่ผลตอบแทนดิบ)
ฉันได้เห็นงานวิจัยสองสามฉบับที่สำรวจว่าการกระจายตัวของไอเคิลแวลูนั้นเกิดขึ้นโดยธรรมชาติแตกต่างจากการคำนวณโดยใช้เมทริกซ์สหสัมพันธ์แบบสุ่ม (อีกครั้งโดยแยกเสียงจากสัญญาณ)
Edward:> โดยปกติเราจะทำอย่างอื่น arround: ดูการกระจายค่าหลายค่าของ eigenvalues (ของ matrices ความสัมพันธ์) ที่มาจากแอปพลิเคชันที่คุณต้องการ เมื่อคุณระบุผู้สมัครที่มีความน่าเชื่อถือสำหรับการกระจายค่าลักษณะเฉพาะแล้วมันควรจะง่ายที่จะสร้างจากพวกเขา
p ≤ 10พี
แก้ไข (ความคิดเห็นโดย Shabbychef)
ขั้นตอนสี่ขั้นตอน:
- j=1,...,JC~jj
- jΛ~j= log(λ~j1)log(λ~jp)C~j
- CV(Λ~)J×pΛ~j
- CV(Λ~)wiCV(Λ~)wi=γi∑pi=1γiγi
J≥2