Özdeğer ve özvektör basitçe nasıl açıklanır?

Bir matris bir vektörü çarptığında genellikle hem yönünü hem büyüklüğünü değiştirir. Ama bazı özel vektörler sadece ölçeklenir, yönleri değişmez -- bunlar özvektörlerdir. Ölçeklenme miktarı (kaç katına çıktığı) ise özdeğerdir. \( A\mathbf{v} = \lambda\mathbf{v} \): matris A, özvektör v'yi lambda katı kadar büyütür veya küçültür.

PCA finansta ne işe yarar?

PCA, çok sayıda varlığın hareketini birkaç temel faktöre indirger. 500 hissenin getiri verisini analiz ettiğinde "piyasa yönü", "sektör etkisi", "büyüklük faktörü" gibi gizli yapıları ortaya çıkarır. Risk yönetiminde boyut indirgeme, kovaryans matrisi temizliği, yield curve analizi ve faktör bazlı trading stratejileri için kullanılır.

Kovaryans matrisinin özdeğerleri negatif olabilir mi?

Teorik olarak kovaryans matrisi pozitif yarı-belirli olmalı ve tüm özdeğerleri \( \geq 0 \) olmalı. Ama pratikte örneklem kovaryans matrisi, özellikle varlık sayısı gözlem sayısına yakınsa, çok küçük negatif özdeğerler üretebilir -- bu sayısal hatadan kaynaklanır. Çözüm: küçük negatif özdeğerleri sıfıra ayarlamak veya shrinkage uygulamak.

Kaç temel bileşen seçmek gerekir?

Kesin kural yoktur, ama yaygın yöntemler: (1) Açıklanan varyans eşiği -- toplam varyansın %80-90'ını açıklayan bileşen sayısı. (2) Scree plot -- özdeğerlerin grafikte "dirsek" yaptığı nokta. (3) Kaiser kriteri -- özdeğeri 1'den büyük olan bileşenler (standartlaştırılmış veride). Finansta hisse portföyleri için genellikle 3-10 bileşen yeterlidir.

Özdeğer ve Özvektör Nedir? PCA'nın Temeli