análisis de componentes principales en datos no estacionarios

Question

He leído que como los precios de las acciones no son estacionarios no tiene sentido tomar su covarianza. Así que tomé los retornos logarítmicos de las acciones, calculé la matriz de covarianza, tomé los vectores propios superiores que explican la máxima varianza y en lugar de proyectar los retornos proyecté los precios logarítmicos en estos vectores. ¿Hay algún problema con este enfoque? código de python a continuación:

logprices = numpy.log(precios)

logreturns = numpy.diff(logprices, axis=0)

cov = EmpiricalCovariance().fit(logreturns).covariance_

valores propios, vectores propios = numpy.linalg.eigh(cov)

components = eigenvectors[:, :5] # top 5 vectores propios

fuentes = numpy.dot(logprices, components)

Answer 1

No canceles una tarjeta y luego solicites una nueva en el mismo sitio. Pregunte al banco si puede cambiar de programa de tarjeta. Si eres un buen cliente, lo harán de buen grado. Mantiene tu cuenta como cliente activo.

Me he dado cuenta de que en los últimos años el banco se ha empeñado en que me cambie de programa. Cuando me conviene, lo he hecho. Lo único que cambia son las palabras de la tarjeta, el número de cuenta, la fecha de caducidad y el código de seguridad. Mi puntuación de crédito no se ve afectada. De hecho, con todas las violaciones de datos de los últimos años, cada una de mis tarjetas ha sufrido un cambio de número de cuenta.