随机矩阵理论的python:噪声相关矩阵的清洗方案
pyRMT的Python项目详细描述
#比朗 随机矩阵理论的python。实现了几种噪声相关矩阵的清理方案, 包括最优收缩,旋转不变估计 一个潜在的相关矩阵(由Joel Bun提出, Jean-Philippe Bouchaud、Marc Potters和同事)。
这种清理后的相关矩阵可以改进因子分解 通过主成分分析(PCA),可以在多种情况下具有相关性 上下文,包括计算生物学。
清洁计划也会大大改善样本外风险 马科维茨最优投资组合 在Jean-Philippe Bouchaud,Marc Potters和合作者的几篇论文中。
有些清洗方案很容易适应各种收缩 在sklearn.covariance模块中实现的估计器 (见下文O.Ledoit和M.Wolf的各种出版物)。
此外,进行经验估计可能是有意义的 对离群值鲁棒的相关矩阵 本模块的清洗方案。一些稳健的估计 已经在sklearn.covariance模块中实现。
参考文献
- “一些随机矩阵集的特征值分布”, V.A.Marcenko和L.A.Pastur,《苏联斯博尼克数学》,第1卷(4),第457-483页
- “大维协方差矩阵的条件估计”, O.Ledoit和M.Wolf,《多元分析杂志》,第88卷(2),第365-411页
- “股票收益协方差矩阵的改进估计” “投资组合选择应用程序”, O.Ledoit和M.Wolf,《经验金融杂志》,第10卷(5),第603-621页
- “随机矩阵理论的金融应用:简要回顾”, J.-P.Bouchaud和M.Potters,arxiv:0910.1205[q-fin.st]
- “一些大样本协方差矩阵集合的特征向量”, O.Ledoit和S.Peche,《概率论与相关领域》,第151卷(1),第233-264页
- “大维协方差矩阵的非线性收缩估计”, O.Ledoit和M.Wolf,《统计年鉴》,第40卷(2),第1024-1060页
- “一般噪声矩阵的旋转不变估计”, J.Bun,R.Allez,J.-P.Bouchaud和M.Potters,ARXIV:1502.06736[空调材料统计机械]
- “清理大型相关矩阵:随机矩阵理论的工具”, J.Bun,J.-P.Bouchaud和M.Potters,ARXIV:1610.08104[空调材料统计机械]
从pypi安装
尝试
`pip install pyRMT`
要从git repo手动安装,请尝试以下操作:
`python setup.py install`
pyrmt代码库支持python 2和3。
用法
有关清理相关矩阵的更多信息,请参阅在pyrmt中实现的各种方案的docstrings。
归因
如果您在工作或研究中碰巧使用了pyrmt,请引用其github存储库:
- Giecold,Pyrmt,(2017),Github存储库,https://github.com/GGiecold/pyRMT
相应的bibtex条目是
`@misc{GregoryGiecold2017, author = {G. Giecold}, title = {pyRMT}, year = {2017}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/GGiecold/pyRMT}}}`
许可证
版权所有2017-2022 Gregory Giecold和撰稿人。
Pyrmt是麻省理工学院许可下提供的免费软件。有关详细信息,请参阅许可证文件。