文献

J-GLOBAL ID：201902247709872048   整理番号：19A1422453

C3300指数と商品市場の間の相互相関:非定常主成分分析(NSPCA)【JST・京大機械翻訳】

Cross-correlations between the CSI300 index and commodity markets: Non-stationary principal component analysis (NSPCA)

著者 (1件)： Zhu Xiaoyu (School of Statistics, East China Normal University, Dongchuan Road, Shanghai 200241, PR China)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 529  ページ： Null  発行年： 2019年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高次元データの分類は,高度に相関した次元または属性の頻繁な数がモデルの精度に影響を及ぼすことができるので,統計モデルへの魅力的な挑戦を提示する。基礎となる時系列が非定常性を示すとき,典型的には,系列が外部傾向によって汚染されるとき,変数間の交差相関の強度はしばしば過大評価または過小評価される。したがって,従来のPCA法は信頼できる交差相関に依存しないので,元の変数の線形変換を導くことができない。本研究では,ZhaoとShang(2015)によって導入された非定常主成分分析(NSPCA)を適用して,CSI300指数と商品市場の間の相互相関を分析した。本論文の主な結果は,商品市場に対して,非定常主成分分析(NSPCA)の利用は,従来のPCAよりも等しい数の主成分による全人口分散(情報)のより多くの割合で,効率を改善することができる。一方,時間スケールの増加とともに,NSPCAのこの効率は増加する傾向がある。最初のいくつかの主成分が元のデータのいくつかの重要な情報を保存できるか否かをチェックするために,離散相関分析(DCCA)を適用して,CSI300指数と選択した最初の5つの主成分の間の相互相関関係を調べ,Hurst指数によって測定した長距離依存性の情報が失われていないと結論した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 統計模型 ,  一次変換 ,  *主成分分析 ,  三次元 ,  相関係数
準シソーラス用語： 距離依存性 ,  Hurst指数 ,  相関分析 ,  過小評価 ,  高次元データ ,  *非定常性 ,  *相互相関 , 【Automatic Indexing@JST】

著者キーワード (6件)： ピアソン相関係数 ,  三次元交差相関係数 ,  非定常主成分分析(NSPCA) ,  トレンド化交差相関分析(DCCA) ,  商品市場 ,  C3300指数

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

タイトルに関連する用語 (6件)： 指数 ,  商品 ,  市場 ,  相互相関 ,  非定常 ,  主成分分析