Why
The PoC would show PCA on a market factor set, then ask the harder question the technique cannot answer alone: whether a top component is a risk factor or just the scaling of the inputs.
How it works
Not yet built.
Workspace Index › Dev Notes › PCA — compressing dimensions and the meaning that leaks out
#178PoC
PCA — compressing dimensions and the meaning that leaks out
Principal component analysis rotates many correlated variables into a few uncorrelated ones, trading interpretability for compactness — the components explain variance but rarely name anything you can act on.
PCA — 차원 압축과 새어 나가는 의미
주성분분석은 상관된 여러 변수를 몇 개의 무상관 변수로 회전시켜, 해석 가능성을 간결함과 맞바꿉니다 — 성분은 분산을 설명하지만 행동으로 옮길 만한 무언가를 이름 붙이는 경우는 드뭅니다.
왜
이 PoC는 시장 팩터 집합에 PCA를 적용한 뒤, 기법 혼자서는 답할 수 없는 더 어려운 질문을 던집니다: 상위 성분이 리스크 팩터인지, 아니면 그저 입력의 스케일링인지.
동작 방식
아직 만들지 않음.