La reproducción de los niveles de cuando PCA se ha hecho en los cambios

Question

Quiero usar el PCA para ricos/hoteles de análisis de las tasas de interés. Para esto hice el PCA en la serie de tiempo diaria de la diferencia en las tasas de interés, que es inmóvil. Yo no puedo hacer de la pca en los niveles, ya que no es estacionaria y no he sido capaz de encontrar cualquier transformación para convertirla en estacionaria bien.

Entonces puede reproducir los cambios diarios usando seleccionado eigen vectores. Pero ya que quiero hacer una conclusión acerca de los niveles de las tarifas originales(ricos/turístico), ¿cómo puedo reproducir los niveles de estos PCA basado en los cambios? Y si esto tiene algún sentido estadísticamente. Me pueden enviar mis datos si que ayuda.

Answer 1

Sólo quiero mencionar que es altamente prevalente para aplicar PCA a la tasa de los niveles de en rica/hoteles de análisis. Personalmente prefiero que...

Hay un viejo MS publicación que habla sobre este tema y la recomendación es utilizar el nivel de la PCA para ricos/barato, y para el cambio de uso de PCA para la gestión del riesgo. Hay una muy buena Salomon papel (Principios de los Componentes Principales) que trata este tema en profundidad así.

Answer 2

La literatura sobre cointegración en grandes conjuntos de datos o de los paneles es realmente el único lugar donde he visto este tipo de problema tratado. Breitung y Pesaran, entre otros lugares, habla sobre ello.

Yo recomendaría la aplicación de la PCA a la tasa de cambios (tal vez con algún tipo de límite inferior cero de ajuste). A continuación, tome la suma acumulativa de cada uno de los factores. Este es, efectivamente, como el acumulado factor se podría utilizar en una prueba de cointegración o factor de corrección de errores del modelo. Siguiente, la regresión de las tasas (en niveles) contra el acumulado de los factores. En este punto, usted puede probar los residuos de esta regresión para la estacionariedad (yo esperaría que los residuos a ser media-reversión, hay un montón de matices para el panel de la unidad raíz de las pruebas que estoy ignorando).

Usted tiene un número de opciones a la hora de crear una estrategia de inversión basada en esta información. La más obvia es que se acaba de comprar (vender) los bonos, donde los residuos son más positivo (negativo). Muy residuos positivos indica que los rendimientos son más que lo que el sugiere el modelo y debe caer. Obviamente, hay un montón de variaciones que usted puede hacer sobre esto.

Otra alternativa es calcular un factor de corrección de errores del modelo. Un factor de corrección de errores de la modelo lleva un montón de similitud con el enfoque descrito en el segundo párrafo, pero sólo se extiende un poco. Una vez estimado el modelo, se puede predecir las tasas, y el uso que para determinar su bono de posicionamiento.