-
Собственные числа и собственные векторы в финансах: разложения PCA и SVD
Анализ главных компонент (PCA) — один из популярных способов изучения взаимосвязей между доходностями активов и их оценке в финансовом анализе. Метод основан на разложении ковариационной матрицы доходностей: собственные векторы определяют направления факторов, а собственные числа показывают, сколько дисперсии объясняет каждый фактор. PCA позволяет выделить доминирующие источники совместной изменчивости и отделить систематический риск от несистематического. Практическое…
-
Матрица ковариаций: проблемы выборочной оценки
Матрица ковариаций занимает центральное место в портфельной оптимизации, риск-менеджменте и построении торговых стратегий. Оценка этой матрицы по историческим данным кажется тривиальной задачей, но на практике приводит к серьезным проблемам. Выборочная оценка работает корректно только при выполнении жестких условий: Большой объем данных относительно числа активов; Стационарность процессов; Отсутствие выбросов. В реальности эти условия нарушаются систематически. Основная…
-
Метод нелинейного снижения размерности t-SNE
Высокая размерность данных создает фундаментальную проблему — датасеты с сотнями и тысячами признаков плохо обучаются в моделях машинного обучения, плюс их невозможно визуализировать, что затрудняет понимание структуры данных, выявление паттернов и валидацию гипотез. Методы снижения размерности решают эту задачу, проецируя многомерные данные в пространство низкой размерности с сохранением важных характеристик исходного распределения. Однако не все…
-
Метод главных компонент (PCA) и факторный анализ (FA) данных
В современном мире анализа данных мы постоянно сталкиваемся с проблемой «проклятия размерности» — ситуацией, когда количество признаков в датасете становится настолько большим, что традиционные методы анализа начинают давать сбои. Метод главных компонент (Principal Component Analysis, PCA) и факторный анализ (Factor Analysis, FA) представляют собой два фундаментальных подхода к решению этой проблемы, каждый из которых имеет…
-
Матричные операции в финансах и биржевой аналитике
Матрицы позволяют структурировать, анализировать и трансформировать финансовые данные с высокой точностью и скоростью. От простого расчета ковариационных матриц до сложных алгоритмов машинного обучения – матричные вычисления лежат в основе практически каждого серьезного количественного анализа на финансовых рынках. В этой статье я подробно рассмотрю, как матричные операции применяются в финансовой аналитике, какие преимущества они дают квантовым…
-
Линейная алгебра: векторы и матрицы в финансовой математике
В количественном анализе любых биржевых активов: акций, облигаций, деривативов, линейная алгебра стала незаменимым инструментом для любого специалиста по анализу данных. В финансовой аналитике глубокое понимание векторов, матриц и связанных с ними операций открывает двери к решению сложнейших финансовых задач, от оптимизации инвестиционных портфелей до моделирования рыночных рисков. В этой статье я хочу поделиться своими знаниями…