主成分分析中选择相关组件数量的基于记忆的方法
摘要：基于数据的主成分分析（PCA）中选择最优相关组件数量的新方法的提出。这种新方法适用于自相关函数衰减比指数函数更慢的相关矩阵，从而产生长期记忆效应。与文献中其他可用方法相比，我们的方法不依赖于主观评估，并且计算成本低廉。基本思想是在依次去除越来越多组件后，利用适当的因子模型分析剩余记忆，并在保留的组件占据的最大记忆量已被解释之后停止该过程。我们在合成和真实金融数据上验证了我们的方法，并且在所有情况下都得到了与可用启发式准则（如累积方差和交叉验证）完全兼容且计算上更优的明确答案。
作者：Anshul Verma and Pierpaolo Vivo and Tiziana Di Matteo
论文ID：1904.05931
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2019-10-07