Análisis de los componentes principales de la curva de rendimiento

Question

Tengo datos de rendimiento del Tesoro en 11 vencimientos para el último año. He usado un código en MATLAB para PCA sobre el cambio en la curva de rendimiento. Ahora, tengo la matriz de covarianza de los cambios diarios/mensuales de la curva de rendimiento, los componentes principales y las fracciones (individuales y acumulativas) explicadas por los componentes principales.

Así que con estos datos, ¿cómo puedo concluir si un modelo de desplazamiento paralelo es una buena manera de describir las fluctuaciones de la curva de rendimiento en este período de tiempo?

Answer 1

Basándose en las cargas de los factores, debería poder saber si el primer componente es un desplazamiento paralelo (si lo ha hecho todo correctamente, es muy probable que lo sea). La varianza explicada por el factor es una medida de la calidad del modelo. Tenga en cuenta que un desplazamiento paralelo normalmente no es totalmente paralelo, sino que tiene diferentes pesos en la parte delantera y trasera de la curva (pero con el mismo signo)

Answer 2

Sus PCA son efectivamente los valores propios y los vectores propios de la matriz de covarianza.

Los valores propios (correspondientes a cada vector propio) muestran la proporción de movimientos (ortogonales) que puede explicar cada vector propio. Por lo general, el primer vector propio (es decir, el primer PCA) tendrá un valor propio (en relación con la suma de todos los valores propios) que muestra que explica más del 90% de los movimientos.