ปรีชา / การตีความของการกระจายตัวของค่าลักษณะเฉพาะของเมทริกซ์ความสัมพันธ์?


13

สัญชาตญาณ / การตีความของคุณคือการกระจายตัวของค่าลักษณะเฉพาะของเมทริกซ์ความสัมพันธ์คืออะไร? ฉันมักจะได้ยินว่าค่าลักษณะเฉพาะที่ใหญ่ที่สุด 3 ค่าเป็นสิ่งที่สำคัญที่สุดในขณะที่ค่าที่ใกล้เคียงกับศูนย์จะมีเสียง นอกจากนี้ฉันได้เห็นงานวิจัยสองสามฉบับที่สำรวจว่าการกระจายตัวของไอเคิลแวลูเกิดจากการคำนวณค่าความสัมพันธ์แบบสุ่ม (อีกครั้งโดยแยกเสียงจากสัญญาณ)

โปรดอธิบายอย่างละเอียดเกี่ยวกับข้อมูลเชิงลึกของคุณ


คุณมีแอปพลิเคชันใด ๆ หรือไม่คุณต้องการคำแนะนำทั่วไปเกี่ยวกับจำนวน EV ที่เราต้องพิจารณานอกเหนือจากแอปพลิเคชันใด ๆ (เช่นในด้านคณิตศาสตร์ที่บริสุทธิ์) หรือควรใช้กับบริบทเฉพาะ (เช่นการวิเคราะห์ปัจจัย PCA เป็นต้น)
chl

ฉันสนใจด้านคณิตศาสตร์มากกว่านั่นคือค่าลักษณะเฉพาะของข้อมูลที่มีเมทริกซ์สหสัมพันธ์ หากมันเหมาะสมที่จะพูดถึงเรื่องนี้ในแง่ของบริบทที่เฉพาะเจาะจงก็สามารถทำได้เช่นกัน
Eduardas

คำตอบ:


4

ฉันมักจะได้ยินว่าค่าลักษณะเฉพาะที่ใหญ่ที่สุด 3 ค่าเป็นสิ่งที่สำคัญที่สุดในขณะที่ค่าที่ใกล้เคียงศูนย์จะเป็นจุดรบกวน

คุณสามารถทดสอบสิ่งนั้นได้ ดูกระดาษเชื่อมโยงในโพสต์นี้สำหรับรายละเอียดเพิ่มเติม อีกครั้งหากคุณจัดการกับซีรี่ส์ทางการเงินครั้งคุณอาจต้องการแก้ไขสำหรับ leptokurticity ก่อน (เช่นพิจารณาชุดของผลตอบแทนที่ปรับ garch ไม่ใช่ผลตอบแทนดิบ)

ฉันได้เห็นงานวิจัยสองสามฉบับที่สำรวจว่าการกระจายตัวของไอเคิลแวลูนั้นเกิดขึ้นโดยธรรมชาติแตกต่างจากการคำนวณโดยใช้เมทริกซ์สหสัมพันธ์แบบสุ่ม (อีกครั้งโดยแยกเสียงจากสัญญาณ)

Edward:> โดยปกติเราจะทำอย่างอื่น arround: ดูการกระจายค่าหลายค่าของ eigenvalues ​​(ของ matrices ความสัมพันธ์) ที่มาจากแอปพลิเคชันที่คุณต้องการ เมื่อคุณระบุผู้สมัครที่มีความน่าเชื่อถือสำหรับการกระจายค่าลักษณะเฉพาะแล้วมันควรจะง่ายที่จะสร้างจากพวกเขา

p10p

แก้ไข (ความคิดเห็นโดย Shabbychef)

ขั้นตอนสี่ขั้นตอน:

  1. j=1,...,JC~jj
  2. jΛ~j= log(λ~1j)log(λ~pj)C~j
  3. CV(Λ~)J×pΛ~j
  4. CV(Λ~)wiCV(Λ~)wi=γii=1pγiγi

J2


1
ฉันอยากรู้: เคล็ดลับคืออะไร?
shabbychef

C~

λ1

นี่เป็นขั้นตอนที่แปลกมาก มันถูกเผยแพร่ที่ไหนสักแห่ง?
shabbychef

@Shabbychev:> ไม่ แต่ฉันมีโอกาสที่จะทำงานเกี่ยวกับปัญหาที่เกี่ยวข้อง (ไม่เพียงหนึ่งที่เกี่ยวข้องกับอนุกรมเวลา) ในขณะที่ผ่านมา (ปัญหาเช่นเดียวกับหนึ่งstats.stackexchange.com/questions/2572/… ) นี้
user603

11

ค่าลักษณะเฉพาะให้ขนาดขององค์ประกอบหลักการของการกระจายข้อมูล



(3001)π/4


2

k

โดยปกติ eigenportfolio แรกจะมีน้ำหนักเกือบเท่ากันในทุกชื่อซึ่งก็คือพอร์ตโฟลิโอของ 'ตลาด' ซึ่งประกอบด้วยสินทรัพย์ทั้งหมดที่มีน้ำหนักเท่ากับดอลลาร์ eigenportfolio ที่สองอาจมีความหมายบางอย่างขึ้นอยู่กับช่วงเวลาที่คุณดู: เช่นหุ้นพลังงานส่วนใหญ่หรือหุ้นธนาคาร ฯลฯ จากประสบการณ์ของฉันคุณจะถูกกดดันอย่างหนักเพื่อให้เรื่องราวใด ๆ จาก eigenportfolio ที่ห้าขึ้นไป และสิ่งนี้ขึ้นอยู่กับการเลือกจักรวาลบางส่วนและช่วงเวลาที่พิจารณา นี่เป็นสิ่งที่ดีเพราะโดยปกติแล้วค่าลักษณะเฉพาะที่ห้าหรือมากกว่านั้นไม่ไกลเกินขอบเขตที่กำหนดโดยการแจกจ่าย Marchenko-Pastur


โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.