股票收益的主成分分析
（Principal Component Analysis, PCA）是一种统计分析方法，用于降低数据维度并提取主要特征。它通过线性变换将原始数据转换为一组线性无关的变量，称为主成分。这些主成分按照方差的大小排序，前几个主成分能够解释原始数据中大部分的方差。
主成分分析在股票收益分析中具有广泛的应用。它可以帮助投资者理解股票市场中的复杂关系，发现隐藏的模式和趋势，从而做出更准确的投资决策。以下是主成分分析在股票收益分析中的一些应用场景：
- 组合优化：主成分分析可以帮助投资者确定最佳的资产配置策略。通过分析股票收益的主要成分，投资者可以找到一组相互关联性较低的资产，从而实现风险的分散和收益的最大化。
- 风险管理：主成分分析可以帮助投资者识别和评估不同股票之间的风险关联性。通过计算主成分之间的相关系数，投资者可以了解不同股票之间的相关性程度，从而制定有效的风险管理策略。
- 预测模型：主成分分析可以用于构建股票收益的预测模型。通过提取主要的市场因素，投资者可以建立一个能够解释股票收益变化的模型，并用于预测未来的股票收益。
腾讯云提供了一系列与股票收益分析相关的产品和服务，包括：
- 云服务器（Elastic Compute Cloud, EC2）：提供可扩展的计算资源，用于进行大规模的数据处理和分析。
- 云数据库（Cloud Database, CDB）：提供高性能、可靠的数据库服务，用于存储和管理股票数据。
- 人工智能平台（AI Platform）：提供强大的机器学习和数据分析工具，用于构建股票预测模型和进行数据挖掘。
- 大数据平台（Big Data Platform）：提供分布式数据处理和分析的能力，用于处理大规模的股票数据。
- 安全产品（Security Products）：提供网络安全和数据保护的解决方案，保障股票数据的安全性和完整性。
以上是腾讯云在股票收益分析领域的相关产品和服务，更多详细信息可以参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
我必须用主成分分析来分析四个投资组合。我在R中使用了prcomp函数。
我得到以下结果：
portf. PC1 PC2 1 0.30 -0.25 2 0.33 -0.12 3 0.32 0.12 4 0.36 0.48
如果我是对的，那么表中的值就是我的负载。但正确的解释是什么呢？我是否可以说“第一个投资组合与第一个主成分的相关性为0.30？”
谢谢你帮忙。
浏览 2提问于2018-01-10得票数 0
回答已采纳
1回答
我对输入数据集感到困惑。我正在学习人工神经网络，我的目的是想利用历史数据(我有过去10年的股票数据)来预测未来(例如2015年)的股票价值。那么，我的输入在哪里呢？例如，我有一个Excel工作表数据，格式为Column1-Date| Column2-High | Column3-low |Column4-opening|Column5-closing
浏览 0提问于2015-01-21得票数 0
高水平的目标是从50只股票中选出10只相关性最低的股票，这样我就可以拥有一个多元化的投资组合。
我编写了一些VBA宏，从雅虎金融下载了过去3年的每日价格数据，然后使用Correl函数计算了50x50的相关矩阵，并使用每日收盘作为数据。
到目前为止，我尝试的只是一些局部最大的启发：
对于两只相关性最高的股票，去掉其中一只。在两者之间，去掉与所有其他股票具有较高平均相关性的股票。
当我从池中移除股票时，我只需删除相应的行和列，以提供一个较小的矩阵。
重复，直到我只剩下10只股票( 10x10矩阵)。
我想知道是否有一些算法已经解决了这样的问题，并给出了最优解？
浏览 6提问于2010-04-15得票数 0
我有一些数据，我想在上面做一个PCA图。然而，前两个主成分完全是由于3个异常值样本(32个样本中)，我想跳过这两个样本，仅从第3个开始绘制主成分。这是可能的吗，或者我必须做一些计算，从数据中减去前两个主成分，然后绘制剩余部分？
浏览 3提问于2012-06-05得票数 0
回答已采纳
我感兴趣的是，在多类分类中，哪些“特征”最具影响力。
我已经用主成分分析做了这件事，这似乎允许我通过components_ vector检查每个组件的每个特征的方向方差。
我正在努力询问LDA的结果，以了解哪些功能是每个组件的一部分，以及它们的影响是什么……
关于fit_transform之后LDA对象的哪些元素可以用来获得每个组件的特定功能洞察，有什么建议吗？
浏览 0提问于2016-12-17得票数 1
1回答
我正在尝试根据那篇文章来识别噪音的类型：
我在64位win8上使用了scikit learn-0.14.1.win32-py2.7，我知道它指的是0.15版本，但是在0.14版本的文档中，它提到评分方法可用于PCA，所以我猜它应该是正常工作的：
问题是，无论我将哪个主成分分析用于*cross_val_score*，我总是收到一条类型错误消息，指出估计器主成分分析没有得分方法：
*TypeError:如果未指定评分，则传递的估计器应具有'score‘方法。估计主成分分析(copy=True，n_components=None，whiten=False)不会。*
你知道为什么会这样吗？
浏览 0提问于2013-11-12得票数 2
有人能详细告诉我主成分分析(PCA)、截断奇异值分解(TruncatedSVD)和独立分量分析(ICA)的区别吗？
浏览 2提问于2017-08-05得票数 6
回答已采纳
我想得到数据集的主成分，并在它们上应用K均值聚类。在对PCA输出进行规范化处理之前，是否需要对它们进行规范化处理？
浏览 0提问于2018-03-12得票数 2
为什么在Matlab中使用pca不能得到正交主成分矩阵？
例如：
A=[3,1,-1;2,4,0;4,-2,-5;11,22,20];
A =
3 1 -1
2 4 0
4 -2 -5
11 22 20
>> W=pca(A)
W =
0.2367 0.9481 -0.2125
0.6731 -0.3177 -0.6678
0.7006 -0.0150 0.7134
>> PCA=A*W
PCA =
0.6
浏览 0提问于2016-05-10得票数 0
回答已采纳
1回答
我想把主成分分析应用于卡格尔号的泰坦尼克号
现在我只取有数值的列，去掉幸存的值，所以我有五个变量，如果我们忽略依赖变量(‘NaN’)，实际上是四个。
我已经将其加载到DataFrame df中，如果我使用PCA获取五个组件：
pca_model = PCA(n_components=5)
pca_model.fit(df)
pca_model.explained_variance_ratio_
[ 9.30197643e-01 6.93699966e-02 2.24377672e-04 1.49076254e-04
5.89069784e-05]
我发现93%的
浏览 30提问于2017-03-03得票数 0
我想将主成分分析(pcomp())应用于具有NA值的数据帧。我知道应用PCA is na值是不可能的，(我仍然尝试了)我得到了错误：Error in na.fail.default(X) : missing values in object。我不想删除任何行，因为它是一个相对较小的样本大小。那么我该怎么做呢？
示例：
> dput(df)
structure(list(Sample1 = 1:5, Sample2 = 11:15, Sample3 = structure(1:5, .Label = c("11",
"12", "13",
浏览 1提问于2020-05-11得票数 0
6回答
要取多少主成分？
、、
我知道主成分分析对矩阵进行奇异值分解，然后生成特征值矩阵。为了选择主成分，我们只需取前几个特征值。现在，我们如何确定应该从特征值矩阵中提取的特征值的数量？
浏览 0提问于2012-08-22得票数 44
回答已采纳
1回答
我需要使用Python中的主成分分析。MDP库提供了PCA功能，但是文档对我来说不是很清楚。我之前使用的是SPSS的PCA，它为PCA提供了各种选项(例如不同的旋转)。
如果有人同时熟悉MDP和SPSS，请在SPSS中突出显示PCA的等效设置，以获得与MDP中的PCA相似的结果(mdp.nodes.PCANode() -为简单起见，让我们考虑默认值)。
浏览 0提问于2012-12-28得票数 0
3回答
主成分分析
我想知道为什么投影到主分量上的数据会有与主特征向量对应的特征值的方差？
我在课本上找不到解释。
浏览 2提问于2012-08-12得票数 1
回答已采纳
1回答
我正在使用形态测量执行一些主成分分析，这些测量使用log10进行归一化。我使用以下命令在R中生成PCA：
library(factoextra)
PCA_morpho <- prcomp(dataframe_morpho, scale = TRUE)
在这之后，我制作了一个屏幕图，看看哪些组件解释了使用以下命令获得的差异：
fviz_screeplot(PCA_morpho)
打印的图表在这里：
有没有可能知道哪些输入变量(来自我的"dataframe_morpho")构成了这个屏幕图中的每个“维度”？每个“维度”可以是我的数据中的每个度量？
浏览 6提问于2021-10-21得票数 0
我的数据是478x4200矩阵。我正在考虑将4200个元素作为组件，我希望减少我需要处理的组件的数量。我使用了prcomp()，它总是返回478个主组件，即使我转换了矩阵。据我所知，prcomp()使用列作为组件。我想我应该得到4200个主成分。我可以通过计算我需要的所有矩阵来手动完成，但是我想用这个函数来检查。
浏览 3提问于2015-09-03得票数 1
回答已采纳
我试图在矩阵(C)上执行PCA，其中每列代表不同的时间点，每行代表一个特征，我试图找到最主要的主成分，并将它们相互对比。我正在使用mdp模块，如果这个模块返回矩阵，其中每一行代表一个主成分，其中最重要的成分按降序排列，我会感到困惑。
import mdp
C=mdp.pca(C)
print C
import matplotlib.pyplot as plt
plt.plot(C[2,:C.shape[1]], C[1,:C.shape[1]], 'r*')
plt.show()
谢谢!
浏览 1提问于2012-08-25得票数 0
回答已采纳
2回答
雅虎股票订阅
、、、、
我想要一张股票开盘价的图表。
我想使用雅虎的股票数据馈送：
有人用过这个吗？我想要的基本上是一个1列的表，每行表示一天，第一列表示特定股票的开盘价。
如何查询一天以上的内容？
浏览 1提问于2011-04-22得票数 0
回答已采纳
2回答
下面是一个可重复使用的示例： set.seed(10)
pick <- sample(nrow(iris),nrow(iris)/2)
iris.training <- iris[pick,]
iris.testing <- iris[-pick,]
pca.training <- prcomp(iris.training[-5])
pca.testing <- prcomp(iris.testing[-5])
autoplot(pca.training,loadings.label=T,loadings=T)
autoplot(pca.testing,loa
浏览 54提问于2020-12-14得票数 0
回答已采纳
我试图对一些波动性数据进行PCA分析，我们可以这样说，我可以提出如下模型：
volatility = bata0 + beta1*x + beta2* x^2
其中x是一些观察，例如，金钱等等。所以在Matlab中，我做的是Y=[ones x x^2]，然后做pca(Y)，出于某种原因，我的系数矩阵中的第一行总是类似于0 0 1，也就是说，除了最后一列之外，其他地方都是0，而且atent的输出总是显示第一行的最高值，无论我如何改变模型。
显然，这不可能是这样的情况，在每个模型中的最后一项被方程中的最后一项很好地解释。如果去掉Y中的常数项(即Y= x^2 )，那么系数矩阵的第一行就变得更正常了(
浏览 3提问于2013-03-24得票数 0
1回答
我有一套70个输入变量，我需要对其执行PCA。根据我的理解，对每个输入变量的均值是0，方差是1，这是应用主成分分析所必需的。
我很难弄清楚，在将我的数据集传递给preprocessing.StandardScaler()中的PCA或PCA函数之前，是否需要执行标准的缩放own。
如果是后者，那么无论我是否应用，或者不应用preprocessing.StandardScaler()，explained_variance_ratio_都应该是相同的。
但是结果是不同的，因此我认为在应用preprocessing.StandardScaler()之前，PCA是必要的。是真的吗？
浏览 0提问于2018-10-19得票数 6
回答已采纳
我尝试使用princomp()和principal()在数据集为USArressts的R中进行主成分分析。然而，我得到了两个不同的加载/旋转和分数的结果。
首先，我将原始数据框居中并归一化，以便更容易比较输出。
library(psych)
trans_func <- function(x){
x <- (x-mean(x))/sd(x)
return(x)
}
A <- USArrests
USArrests <- apply(USArrests, 2, trans_func)
princompPCA <- princomp(USArrests,
浏览 6提问于2016-04-16得票数 1
1回答
我发现很难理解线性判别分析(LDA)的过程，我想知道是否有人能用英语一步一步地解释它。据我所知，LDA与主成分分析(PCA)密切相关。但我不知道它是怎么让所有的概率都精确到很精确的。以及培训数据与实际数据集的关系。我参考的文件不多，也不太清楚。这会让人更加困惑和复杂。
浏览 2提问于2016-02-18得票数 3
1回答
我正在研究神经网络，我目前正在创建一个感知器，它将作为一组人脸图像数据集的分类器。我需要对我的数据集进行主成分分析( pca )，然后将样本分成两个不同的集合进行训练和测试。通过这样做，我降低了数据的维数，同时压缩了图像的大小。
然而，我不是统计学家，在没有任何具体公式的情况下，我在确定pca方法使用的主成分数时遇到了一些问题。我的数据集是一个4096x400的数组，400是样本图像的数量，4096是它们的维数。是否有一种方法可以更精确和准确地说明主成分在pca中的使用数量？
我正在matlab上工作，所以我使用princomp。提前谢谢，如有任何帮助，将不胜感激。
浏览 6提问于2014-11-22得票数 0
回答已采纳
2回答
我很难理解程序中的一些步骤。它们取坐标数据，找出协方差矩阵，应用主成分分析，然后从每个特征值的平方根中提取标准差。我试图重新生产这一过程，但我被困在台阶上。
所采取的步骤
该数据集由一个矩阵R组成，该矩阵包含巴黎的辅助性，(x(i)，y(i))与i=1，.，N为记录的实例总数。将主成分分析应用于R输入数据集的协方差矩阵，得到以下变量：
a)新坐标系的主要组成部分，特征向量u和v，以及
( b)每个主成分解释的总变异性对应的特征值(λ1和λ2)。
使用这些变量，为每个项创建了一个图形表示。两个正交段集中在坐标数据的平均值上。每段的方向由主成分分析的特征向量驱动，每段的长度定义为均值附近的一个标准
浏览 2提问于2019-04-29得票数 0
回答已采纳
1回答
我正在从事手部检测、跟踪和识别工作，我需要计算第一主成分。我使用的是C#和EmguCV。我使用PCA的经验有限，我一直在寻找关于这个问题的文档、教程和代码，但找不到合适的……
我唯一需要做的就是得到手的主方向(据我所知，它是第一个主成分)。
有人能帮我理解如何从二进制图像中计算它吗？
提前谢谢。
浏览 1提问于2013-05-11得票数 0
2回答
我最近读了PCA (主成分分析)，明白了如何降维。当我们只需要一个维度时，我们选择一个对应于最大特征值的特征向量，但如果需要多个维度，那么我是否应该将特征向量腐蚀到最大特征值？
浏览 2提问于2017-02-01得票数 0
1回答
在对MNIST数据应用PCA后，我确定了CNN模型和层。在拟合CNN模型(X_train_PCA，Y_train)后，我在评估阶段结束了维数问题。这里是消息"ValueError: Error when checking input:期望conv2d_1_input具有形状(1，10，10)，但得到形状为(1，28，28)的数组“。当我尝试将X_test重塑为10X10格式时，我得到了非常低的分数 首先，我应用了最小-最大正则化，然后将主成分分析应用于X_train。然后，我从X_train生成了验证数据。问题是，我可以用100维格式拟合数据(在应用PCA之后)，我的输入数据变成了1
浏览 92提问于2019-01-05得票数 0
回答已采纳
2回答
我正在尝试开发一个图像分类系统。我使用以下文章：
Dia Abu Al Nadi博士和Ayman M. Mansour博士用于纹理分类的独立成分分析(ICA)
它在一段中说：
针对上述纹理图像，采用上述方法对独立分量进行学习。图2分别显示了上述纹理的(8x8) ICA基函数。主成分分析减少了维数，总共产生了40个函数。注意，来自不同窗口大小的独立组件是不同的。
上面的“方法”是FastICA，纹理来自，每个纹理图像都有640x640像素。我的问题是：
作者所说的“用PCA减少维数，总共有40个函数”，我怎么用matlab得到这个函数呢？
浏览 6提问于2013-03-18得票数 0
回答已采纳
我对熊猫非常陌生，我正试图通过在周一到周五的每一天找到(1 +回报)的产品，将每天的股票收益转化为每周的股票回报。
下面是我到目前为止所掌握的一个例子(数据只是一个例子，而不是实数)：
In[1]: df
In [2]:
Date AAPL NFLX INTC
2019-09-09 0.01 0.0012 0.00873
2019-09-10 0.014 0.0074 0.0837738
2019-09-11 0.0123 0.007123 0.09383
2019-09-12
浏览 4提问于2019-11-07得票数 0
回答已采纳
1回答
我有一个关于局部二进制模式和主成分分析的问题。我分别理解这两种方法，但我不知道如何将它们结合起来。
Matlab输出的LBP特征可以是一个向量返回到1乘N的特征向量，如链接：所示。
如果我生成图像的LBP特征向量(例如50)，我如何执行PCA？这是一种有效的使用方法吗？
谢谢
浏览 1提问于2015-11-28得票数 1
回答已采纳
在进行主成分分析后，如何从Comp.1变量中提取值？
from library(boot)
pca<-princomp(covmat=c)
summary(pca,loading=TRUE)
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4
Standard deviation 1.7877659 0.6147770 0.51612967 0.39944022
Proportion of Variance 0.7990267 0.0944877 0
浏览 0提问于2019-04-10得票数 0
2回答
数据的维数是否可以简化为一个主成分？
我在虹膜数据集上试过-
from sklearn.decomposition import PCA
import pandas as pd
import matplotlib.pyplot as plt
pca = PCA(n_components=1)
pca_X = pca.fit_transform(X) #X = standardized iris data
pca_df = pd.DataFrame(pca_X, columns=["PCA1"])
plt.plot(pca_df["PCA1"],
浏览 3提问于2021-11-09得票数 0
回答已采纳
1回答
当在spark.mllib.feature中使用主成分分析时，输入数据的cols值超过65535，但是PCA中定义的RowMatrix <65535，这是否意味着我不能使用主成分分析？
浏览 4提问于2016-04-13得票数 4
3回答
在线固定收益数据
、、、
我正在寻找一个资源，以下载在线固定收益数据，很像有访问雅虎的股票数据。至少我想要美国国债。
我使用的是python，但如果有任何帮助，我将不胜感激。
浏览 1提问于2010-03-23得票数 4
据我所知，主成分分析是一种降维技术，即给定10个输入特征，它将产生较少的独立特征，即原始特征的正交和线性变换。
PCA本身是一种学习算法，还是一个数据预处理步骤.
浏览 0提问于2018-01-16得票数 12
回答已采纳
主成分分析和因子分析是否相同？这两种方法都用于数据降维，但从理论上讲，我无法找到它们之间的区别？
为了减少数据集中的变量数，我在SPSS中做了FA。我认为同样的想法也可以用PCA来完成。PCA从来没有这么想知道两种技术的确切区别。
浏览 0提问于2018-09-20得票数 1
基于主成分分析(PCA)的PMI矩阵和约简:根据两个单词出现在一起的次数(在某个预定义的窗口中)，以及单个词的频率，构建PMI矩阵。然后利用PCA对其进行约简，得到语料库中每个词的密集表示，从而能够捕捉到文本的一些语义。
CBOW:通过神经网络学习单词表示，其最终目标是最大限度地提高正确单词对的概率。通过计算一个单词在训练数据中出现在另一个单词上下文中的次数来预先知道概率值。
这两种方法都使用计数，然后得到一个密集的单词表示。一个比另一个有决定性的优势吗？为什么在前一种方法做完全相同的工作时引入了CBOW？
浏览 0提问于2021-08-22得票数 0
我正计划开始开发，我不知道以哪种分析方法为基础。也许你有什么想法？
在外汇市场：
Volume = the number of price changes over a period of time.
在股票市场：
Volume = trading volume * price.
例如，某只股票的成交量为1000股，价格为10美元。因此，成交量指标如下：
Volume = 1000 * $10 = $10,000.
计算上的差异是由于外汇市场是分散的，而不是股票市场。
这就是为什么我不知道如何计算外汇的数量才是准确的。
浏览 8提问于2022-11-15得票数 0
是否有可能从YouTube数据API中获取以下数据？
艺人频道订户数，按日计
竖起大拇指，低头观看YouTube视频，或通过ISRC，白天
YouTube视频或ISRC的股票，按日计算
浏览 8提问于2016-08-04得票数 0
1回答
每个季度，分析师都会给出他们对一只给定股票的价格估计。例如，可以在雅虎财经上作为1年的估计。
我想找到一种方法(构建一个扫描仪？)这让我有了一个股票仪表盘，它将在下个月公布季度收益结果。包括列标识其当前股票价格，其1年价格估计，其市值和他们的收益日期。
我使用交互式brokerS ( IB )可以在IB下进行吗？如果没有，请在另一个平台上签名，以及如何在上面做。
浏览 1提问于2017-10-18得票数 0
1回答
我在SAS中编写了以下代码：
data test;
infile 'C:\Users\Public\Documents\test.dat';
input a b c d e id;
run;
proc princomp cov out=a;
var a b c d e;
run;
proc corr;
var prin1 prin2 prin3 a b c d e;
run;
有没有办法列出每个id的主成分的值？我收到的输出只是摘要统计信息(即max和min)和相关性。
浏览 2提问于2013-11-18得票数 0
我有一个熊猫数据框，看起来像这样
1 0 0 0 0 2 0 0 0 0 0 ... 0 0 1 2 0 0 0 0 0 0
2 0 0 0 3 0 0 0 4 0 0 ... 0 5 0 0 3 0 0 [1, 3] 0 0
3 0 0 0 0 0 0 0 2 0 0 ... 6 6 0 [2, 4] 0 2 0 0 0 0
4 1 0 6 1
浏览 0提问于2017-10-23得票数 0
我正在尝试使用Python中的Quantlib为股票期权(美式)定价。
除了股息表之外，我还想包括一条隐含的回购曲线(股票借入)。我浏览了一下Quantlib，但只找到了处理离散分红的解决方案，而没有额外的回购曲线。
有没有办法做到这一点，一个现成的替代方案？
浏览 12提问于2018-02-27得票数 2
假设我有混合数据和(python)代码，它能够对连续预测器进行PCA (主成分分析)，在名义预测器上进行MCA (多重对应分析)。是否有可能将PCA和MCA的结果合并成一个？
浏览 0提问于2016-01-19得票数 9
1回答
我一直在对两位作者的电子邮件进行分类。我成功地使用了监督学习和文本向量化、主成分分析和SelectPercentile特征选择来执行同样的任务。我用科学工具-学习包来实现同样的目标。
现在，我也想尝试使用无监督学习KMeans算法将电子邮件聚类成两组。我已经创建了dataset，其中将每个数据点作为python列表中的一行。因为我是一个新手，没有监督，所以我想问，我是否可以应用相同的降维工具，在监督(TFIDF和SelectPercentile)。如果不是，他们的对应方是什么？我正在使用scikit-学习它的编码。
我环顾四周，发现堆积如山，但没有得到令人满意的答案。我真的被困在这一点上了。
浏览 4提问于2016-05-27得票数 2
回答已采纳
我试图在FactoMiner中使用主成分分析来提取协方差矩阵的主成分。但是，由于某些原因，我只看到var->coord变量中的n-1组件。
library(FactoMineR)
x = matrix(rnorm(10000),nrow = 100,ncol = 100)
y = PCA(x,ncp = 100,graph = FALSE)
dim(y$var$coord)
这将导致100 99的输出。我是新来的，希望能有更多的见解。
浏览 1提问于2015-12-23得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
