Özdeğerler, Özvektörler ve Finansal Risk Faktörleri

Bir matris genellikle bir vektörün hem uzunluğunu hem yönünü değiştirir. Özvektör, sonrasında aynı doğru üzerinde kalan özel bir yöndür.

Özdeğeri bu yönün ne kadar ölçeklendiğini söyler. Negatif bir değer yönelimi de tersine çevirir; ancak kovaryans özdeğerleri negatif olamaz.

Bir özvektörün uzunluğu keyfidir; bu nedenle genellikle bire normalize edilir. Vektör ve negatifi aynı ekseni temsil eder.

Köşegen girişler tek tek varlık varyanslarıdır; köşegen dışı girişler ise ikili ortak hareketi tanımlayan kovaryanslardır.

Bir kovaryans matrisi simetrik ve pozitif yarı tanımlıdır; bu nedenle gerçek özdeğerlere ve ortogonal bir özvektör kümesine sahiptir.

Örnek kovaryans gözlemlerden tahmin edilir. Bu yüzden özdeğerleri ve özvektörleri sabit gerçekler değil, örnekleme hatası taşıyan tahminlerdir.

Getirileri birim uzunluklu kovaryans özvektörüne yansıtın; bu yansıtılmış getirinin örnek varyansı karşılık gelen özdeğere eşit olur.

Tüm özdeğerlerin toplamı matrisin izine, o da tek tek değişken varyanslarının toplamına eşittir.

Bir özdeğeri bu toplama bölmek, onun açıklanan varyans payını verir. Değerleri sıralamak, uyumlanmış risk yönlerini büyüklüklerine göre düzenler.

Spektral ayrışım, kovaryansı özdeğerleriyle ağırlıklandırılmış özvektör yönlerinin toplamı olarak ifade eder.

Bu eksenler korelasyonsuz olduğundan portföy varyansı, her eksenin karesel maruziyeti ile o eksenin özdeğerinin çarpımlarına ayrılır.

Bu yalnızca bir koordinat değişimidir. Uyumlanmış korelasyonsuz eksenler, temel ekonomik şokların bağımsız olduğunu göstermez.

Özdeğerler birbirine yakın olduğunda, verideki küçük bir değişiklik ilgili özvektörleri büyük ölçüde döndürebilir.

Özdeğerler tam olarak eşitse, ortak altuzay içindeki herhangi bir ortogonal baz aynı kovaryansı verir. Tek tek vektörler benzersiz değildir.

İşaret hizalama, vektör açıları, altuzay mesafesi ve bootstrap sonuçları yalnızca görsel karşılaştırmadan daha iyi istikrar kontrolleri sağlar.

Baskın birinci özdeğer, birçok varlığın güçlü bir yönü paylaştığı anlamına gelir; bu nedenle etkin çeşitlendirme nominal pozisyon sayısının gerisinde kalabilir.

Etkin boyut, varyansın özdeğerler arasında ne kadar eşit dağıldığını özetler. Aynı varlık sayısına sahip portföylerin boyutları çok farklı olabilir.

Korelasyonlar stres altında yükselebilir ve en büyük payı büyütebilir. Sakin dönem kovaryans tahmini kriz çeşitlendirmesini olduğundan iyi gösterebilir.

PCA yükleri bir kovaryans veya korelasyon matrisinin özvektörleridir ve açıklanan varyans karşılık gelen özdeğerlerden gelir.

Birkaç büyük özdeğer yaklaşık bir istatistiksel faktör yapısını destekleyebilir; ancak bu faktörlerin ekonomik kaynağını tanımlamaz.

Faktör modelleri ortak yapıyı ve artıkları belirtir; özayrışım kovaryans geometrisini tanımlar. Kullanımları örtüşür, ancak varsayımları farklıdır.

Getiri tanımını, sıklığı, pencereyi, eksik değerleri, aykırı değerleri, ölçekleme seçimini ve kovaryans tahmin edicisini raporlayın.

Fazla kimlik atfetmeden tam özdeğer spektrumunu, kümülatif payları, öncü vektörleri ve işaret hizalama kuralını gösterin.

Hareketli pencereleri, küçültülmüş kovaryansı ve örnek dışı risk tahminlerini karşılaştırın. Keskin bir spektrum grafiği tahmin hatasını ortadan kaldırmaz.