最新在金融中的应用ppt课件.ppt

《最新在金融中的应用ppt课件.ppt》由会员分享，可在线阅读，更多相关《最新在金融中的应用ppt课件.ppt（104页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、张树德张树德 著著参考文献：参考文献：MATLAB金融计算与金融数据处理金融计算与金融数据处理北京航空航天大学出版社，北京航空航天大学出版社， 2008unifrnd(0,1)ans= 0.4565 如果需要生成服从连续均匀分布的随机数，则可以调用 unifrnd 函数，其调用方式为：Runifrnd( A,B )A，B是随机数的下界与上界如：如：生成一个01之间随机数：2. 生成服从连续均匀分布的随机数生成服从连续均匀分布的随机数Runifrnd( A,B,m )Runifrnd( A,B,m,n )m，n表示随机数的维数 下面介绍两种方法生成12之间随机矩阵K，K为5行6列矩阵。方法方法1

2、方法方法2unifrnd(1,2,5,6) ans = 1.9334 1.1338 1.5751 1.0129 1.6124 1.5869 1.6833 1.2071 1.4514 1.3840 1.6085 1.0576 1.2126 1.6072 1.0439 1.6831 1.0158 1.3676 1.8392 1.6299 1.0272 1.0928 1.0164 1.6315 1.6288 1.3705 1.3127 1.0353 1.1901 1.7176unifrnd(1,2,5,6) ans = 1.6927 1.1536 1.5548 1.2731 1.9084 1.640

3、8 1.0841 1.6756 1.1210 1.2548 1.2319 1.1909 1.4544 1.6992 1.4508 1.8656 1.2393 1.8439 1.4418 1.7275 1.7159 1.2324 1.0498 1.1739 1.3533 1.4784 1.8928 1.8049 1.0784 1.1708Rnormrnd( mu,sigma )正态分布的均值随机矩阵R的行数正态分布的方差3. 生成正态分布的随机数生成正态分布的随机数Rnormrnd( mu,sigma,m )Rnormrnd( mu,sigma,m,n )随机矩阵R的列数调用方式为： normr

4、nd(0,1)ans= -0.4326如：如：生成均值为0，方差为1正态分布的随机数，可用命令 下面用两种方法生成均值为0，方差为1的正态分布矩阵，矩阵为5行6列。方法方法1方法方法2normrnd(0,1,5,6) ans = -0.3179 0.7310 -0.2556 0.1184 0.7990 -1.0078 1.0950 0.5779 -0.3775 0.3148 0.9409 -0.7420 -1.8740 0.0403 -0.2959 1.4435 -0.9921 1.0823 0.4282 0.6771 -1.4751 -0.3510 0.2120 -0.1315 0.8956

5、 0.5689 -0.2340 0.6232 0.2379 0.3899normrnd(0,1,5,6) ans = 0.0880 0.7812 -2.2023 0.0215 -1.0559 -1.1283 -0.6355 0.5690 0.9863 -1.0039 1.4725 -1.3493 -0.5596 -0.8217 -0.5186 -0.9471 0.0557 -0.2611 0.4437 -0.2656 0.3274 -0.3744 -1.2173 0.9535 -0.9499 -1.1878 0.2341 -1.1859 -0.0412 0.12864. 特定分布随机数发生器特

6、定分布随机数发生器 在Matlab中有统一格式随机数发生器，函数名称为random，可以生成许多服从不同分布的随机数。调用方式y=random(name , A1 , A2 , A3 , m , n)输出参数name 说明随机分布的类型，具体如下表所列。类类 别别贝贝 塔塔二项分布二项分布卡卡 方方指数分布指数分布F 分布分布伽伽 码码对数正态对数正态分布BetabinomialChisquareExponentialFGammaLognormal简写betabinochi2expfgamlogn类类 别别均匀分布均匀分布泊松分布泊松分布 T 分分 布布正态分布正态分布非中心非中心F分布分布非

7、中心非中心T分布分布分布UniformPoisson TNormalNoncentral FNoncentral T简写unifpoiss tnormncfnct 特定分布的参数表特定分布的参数表 a = random (Normal , 0 , 1 , 3 , 2)a = 0.6565 -0.2624 -1.1678 -1.2132 -0.4606 -1.3194 下面用random函数生成3行2列的正态分布随机数矩阵，正态分布的均值为0、方差为1。5. 多元正态分布的随机数多元正态分布的随机数多元正态分布的随机数可以用如下形式表示:式中： 是均值向量， 是协方差矩阵。 Xi N( , )m

8、u 均值sigma 协方差cases 样本个数在Matlab中可使用mvnrnd函数生成多元正态分布函数。调用方式 R= mvnrnd(mu , sigma) R= mvnrnd(mu , sigma , cases)输入参数mu = 2 3 ; %均值SIGMA=1 1.5;1.5 3; %协方差矩阵r=mvnrnd(mu,SIGMA,100); %生成100个随机样本 plot(r(:,1),r(:,2),+)下面生成一个多元正态分布的例子。样本的散点图如右所示：二元正态分布的散点图二元正态分布的散点图（二）多元正态分布密度函数（二）多元正态分布密度函数 mu = 1 -1; Sigma

9、= 0.9 0.4 ; 0.4 0.3; X = 2 1 ; p = mvnpdf(X , mu , Sigma)p = 1.3828 e-005多元正态分布的密度函数是 mvnpdf。调用方式 mvnpdf(X , mu , Sigma)下面是一个例子。 mu = 1 -1; Sigma = 0.9 0.4 ; 0 .4 0.3; X = 2 1; f = mvncdf (X , mu , Sigma)f = 0.8541 F (x，y) P(X x，Y y) 如果计算分布函数，则X、Y为二元随机正态分布，分布函数 F(x,y) 的定义如下：调用方式为： p=mvncdf(X , mu ,

10、SIGMA) 下面举一个例子。可以看出：对于随机变量 X，Y，有 P(X 2 , Y 1) = 0.8541也即 X 2且Y a = 1 2 ; 3 4;a = 1 2 3 4下面是一个例子。 mean ( a )ans = 2 3 mean( a , 2)ans = 1.500 0 3.500 0,1inMx（二）（二） 剔除异常值后的平均值剔除异常值后的平均值X 样本观察矩阵。percent 剔除比率，例如percent10表示同时剔除最大 的5%和最小的5观察值 。 dim dim1（默认）表示对每列求平均值，dim2 表示对每行求平均值。 有时观察数据中有异常大或异常小的值，这些异常值

11、会对平均值产生影响，需要去掉异常值。例如在体操比赛中，去掉一个最高分和最低分，然后计算运动员的最后得分。在Matlab中也有剔除异常值后的平均数。调用方式 M = trimmean ( X , percent ) M = trimmean ( X , percent , dim )输入参数 x = rand( 1 , 20 ) trimmean （x , 10）ans = 0.5145（三）计算中位数（三）计算中位数A 样本观测矩阵dim dim1（默认）表示对每列求中位数，dim2表示对每行求中位数剔除10的异常值之后的平均数为0.5145 。调用方式 M median （A） M medi

12、an （A ，dim）输入参数 有时数据中出现NaN，在计算中位数时需要忽略NaN，这时需要调用nanmedian函数。（四）计算方差与标准差（四）计算方差与标准差A 样本值flag 0（默认值）表示方差计算公式为 1表示方差计算公式为21()1NiixxVarN21()NiixxVarN 一般说来，资产组合的风险越大，方差越大，波动性越大。方差由于其简单、直观以及良好的统计性质使其成为风险的代名词。在Matlab中计算方差、标准差的函数分别是 Var、Std。方差调用方式 Var( A ) Var( A ，flag )标准差调用方式 Std（A） Std（A , flag）输入参数（五）（五

13、） 计算样本的百分位数计算样本的百分位数 x = rand( 1 , 20 ); prctile ( x , 20 )ans = 0.1688调用方式 Y prctile（X，p，dim）输入参数X 观察值p 计算大于p值的数dim 同上下面是一个例子（六）计算样本极差（六）计算样本极差 r = range ( q ) r = range ( q,dim )极差就是样本极大值与极小值的差，反映样本的离散程度。调用方式 x = rand ( 1 , 20 ); range ( x )ans = 0.8404下面是一个例子（七）计算偏度与峰度（七）计算偏度与峰度 方差作为风险的度量指标并不是完整的

14、。比如讲，两种资产收益分布的均值和方差都是相同的，但是一种资产收益是左偏的，另一种是右偏的。对于风险而言，相对于大概率和小损失人们更加厌恶小概率大损失的情况，后一种情况给人们带来的痛苦远大于第一情况。从这个意义上讲，收益分布左偏的资产的风险水平要小于右偏的资产收益分布左偏的资产的风险水平要小于右偏的资产。此时，方差作为风险的度量指标就不是完全的，还要考虑峰度、偏度等指标。 偏度和峰度是两个高阶的统计量。计算偏度的目的在计算偏度的目的在于考察组合收益率水平是否是对称分布于考察组合收益率水平是否是对称分布，也就是组合产生亏损与获得盈利的概率如何；峰度是考察组合的收益率情峰度是考察组合的收益率情况是

15、否接近正态分布况是否接近正态分布，如果组合的收益率存在尖峰厚尾的分布特征，则说明组合产生亏损和盈利的概率偏大，也就是在一定程度上认为组合收益率出现极端性的可能性偏大，这种组合的收益率稳定性是比较差的。 正态分布的峰度等于 3，大于3表示尖峰，小于3表示分布比较均匀。股票市场收益率的时间序列大都为尖峰肥尾。33()E xskewness44()E xkurtisis偏度的计算公式为式中：， 分别为样本 x 的均值与方差。 如果 skewness0，则表示分布形态与正态分布偏度相同；如果 skewness 0，则表示正偏差数值较大，长尾巴拖在右边；如果skeqness x = rand( 1 ,

16、20 ); skewness( x )ans = -0.04871. 计算偏度计算偏度调用方式 Y = skewness ( A ) Y = skewness( A , flag )输入参数A 样本值flag 偏度的计算方式，0（默认）为无偏估计， 1为有偏估计下面是一个例子。 k = kurtosis ( X ) k = kurtosis ( X, flag ) k = kurtosis ( X, flag , dim )2. 计算峰度计算峰度 调用方式X 样本观察矩阵flag 峰度的计算方式，0（默认）为无偏估计， 1为有偏估计dim dim1（默认）表示对每列求平均， dim2表示对每行

17、求平均输入参数 x = rand( 1 , 20 ) kurtosis ( x )ans = 1.4407下面是一个例子。（八）计算绝对离差（八）计算绝对离差 绝对离差是以偏差绝对数来衡量决策方案的风险。在期望值相同的情况下，绝对离差越大，风险越大；绝对离差越小，风险越小。调用方式 Y = mad( X ) Y = mad( X , n )输入参数X 观察值n 绝对偏差计算方式 n0（默认）计算公式为mean(abs(Xmean(X) n1计算公式为median(abs(Xmedian(X) x = rand ( 1 , 20 ) mad ( x )ans = 0.1750下面是一个绝对离差的

18、例子。（九）计算中心矩（九）计算中心矩 数理统计中经常用到中心矩的概念，k阶中心矩的计算公式为1()nkiikxxmn可以看出 1 阶中心矩为 0，如果观察值是矩阵则以每列为样本计算中心矩。X 观察样本值order 中心矩的阶数，必须为正整数调用方式 M = moment ( X , order )输入参数 X = rand ( 6 5 )X = 0.4154 0.9901 0.3200 0.4399 0.1338 0.3050 0.7889 0.9601 0.9334 0.2071 0.8744 0.4387 0.7266 0.6833 0.6072 0.0150 0.4983 0.4120

19、 0.2126 0.6299 0.7680 0.2140 0.7446 0.8392 0.3705 0.9708 0.6435 0.2679 0.6288 0.5751 m = moment ( X , 3 )m = -0.0113 0.0014 0.0032 -0.0058 -0.0023下面计算样本的 3 阶矩。（十）计算协方差和相关系数（十）计算协方差和相关系数 协方差是一个用于衡量投资组合任意两个资产相关性的统计指标。当协方差为正值时，表示两种资产的收益率呈同方向变动；协方差为负值时，表示两种资产的收益率呈相反方向变化；协方差等于 0 时，表示两种资产不存在相关性。 相关系数总是在 -

20、11 之间的范围内变动，-1 表示完全负相关（反向），1 表示完全正相关（同向），0 则表示不相关。Matlab计算协方差、相关系数的函数分别是cov 和 corrcoef 。协方差协方差调用方式 C = cov ( X ) C = cov( x , y )下面是一个例子 A = -1 1 2 ; -2 3 1 ; 4 0 3; cov ( A )ans = 10.333 -4.1667 3.0000 -4.1667 2.3333 -1.5000 3.0000 -1.5000 1.0000X 观察值矩阵Y 观察向量param1 参数 1 ，参数的值如下： alpha表示置信度，在 01 之间v

21、al1 参数 1 的值param2 参数 2val2 参数 2 的值2. 相关系数相关系数调用方式 R = corrcoef ( X ) R = corrcoef ( x , y ) R , P = corrcoef ( X , param1 , val1 , param2, val2 , )输入参数R 相关系数矩阵P 每个相关系数的概率矩阵输出参数 x = rand ( 30 , 4 ); x (: , 4) = sum( x , 2 ); r , p = corrcoef ( x ) i , j = find ( p i , j 下面是一个计算相关系数的例子。r = 1.0000 0.14

22、12 -0.1954 0.4993 0.1412 1.0000 -0.1312 0.5848 -0.1954 -0.1312 1.0000 0.3729 0.4993 0.5848 0.3729 1.0000p = 1.0000 0.4566 0.3008 0.0050 0.4566 1.0000 0.4896 0.0007 0.3008 0.4896 1.0000 0.0424 0.0050 0.0007 0.0424 1.0000ans = 4 1 4 2 4 3 1 4 2 4 3 4三、三、 统统 计计 绘绘 图图 x = 1 2 3 5 7 3 3.4 x = 1.0000 2.00

23、00 3.0000 5.0000 7.0000 3.0000 3.4000 tabulate ( x )Value Count Percent 1 1 14.29% 2 1 14.29% 3 2 28.57% 3.4 1 14.29% 5 1 14.29% 7 1 14.29%（一）样本频率分布图（一）样本频率分布图样本频率分布图函数是 tabulate 。下面调用 cdfplot 函数绘出 x 的分布图。cdfplot ( x ) 向量向量 x 的分布图的分布图（二）最小二乘拟合图（二）最小二乘拟合图 在 Matlab 中绘制最小二乘拟合图的命令是 lsline ，下面是一个例子。x=ran

24、d ( 1 , 20 )x=cumsum ( x )plot ( x , + )lsline 最小二乘拟合图最小二乘拟合图（三）正态分布概率图（三）正态分布概率图 有时需要判断样本数据是否服从正态分布，normplot 函数用图的形式给出直观的判断。如果数据点越靠近直线则分如果数据点越靠近直线则分布越近似正态分布，越远则越偏离正态分布布越近似正态分布，越远则越偏离正态分布。x=normrnd(0,1,20,1)plot(x,+)normplot(x) 正态分布拟合图正态分布拟合图 从图中可以看出，数据点基本上是直线，所以符合正态分布。如果判断数据是否服从 Weibull 分布则可以对生成的数据

25、用 wblplot 函数进行判断。下图给出了Weibull 分布拟合的结果。 从图中看出对于数据较小、较大的点偏离较大，数据不服从Weibull 分布。 Weibull分布拟合图分布拟合图（四）样本密度图（四）样本密度图randn(seed,0);x=randn(1,20);x=cumsum(x)capaplot(x,0,10)在Matlab中绘出样本数据的密度图函数为 capaplot。样本的密度示意图如右图所示。 样本的密度示意图样本的密度示意图（五）频率直方图（五）频率直方图Y 观察值。如果 Y 是一个向量，则画出一个频率图; 如果 Y 是一个 mp 阶矩阵，则对 Y 每一列分别 作频率

26、图nbins 频率图分成 nbins 等分的区间段，默认值为 10 。调用方式 n = hist ( Y ) n = hist ( Y , nbins ) n , xout = hist ( Y , nbins )输入参数n 样本落在区间段的频率xout 区间断的刻度输出参数下面是一个例子。randn(seed,0)x=randn(1,200) ;hist(x)频率直方图如右图所示 hist ( x , min ( x ) : 0.3 : max ( x ) ) ;其中 min ( x ) : 0.3 : max ( x ) 表示频率图 X 轴的刻度起点是 x 最小元素，终点是 x 中最大元素

27、，刻度间隔 0.3。规定刻度间隔的频率直方图如下图所示。 如果在频率图的基础上加上正态分布拟合图，则可以用 histfit 函数。randn(seed,0)x=randn(1,20)histfit(x)带有密度函数的频率直方图如右图所示。（六）盒（六）盒 图图X 样本观察值G 各组的名称Param1 参数 1 的名称val1 参数 1 的值在 Matlab 中绘制样本数据的盒图函数是 boxplot。调用方式 boxplot ( X ) boxplot ( X , G ) boxplot ( X , Param1,val1,Param2,val2,)输入参数各参数的名称和内容如下表所列 参参

28、数数 名名 称称 参参 数数 值值notchon生成有缺口的盒图，off生成矩形盒图symbol线条类型，默认值为r +orientationvertical（默认值）为垂直型盒图，horizontal为水平型盒图whisker盒图须线的长度，默认值1.5四分位间距labels盒图行列的名称标签colors线条颜色widths盒图的宽度，默认值0.5positions盒图的位置，默认值为 1：ngrouporder组的次序x1=normrnd(5,1,100,1);x2=normrnd(6,1,100,1);boxplot(x1,x2,notch,on)l盒子的上下两条线分别为样本的 25和

29、75分位数，盒子的上下底之间的距离为四分位的间距。l盒子的中间线为样本中值，如果样本中值不在盒子的中间，表示存在一定的偏度。盒子的上方和下方有两条虚线，显示了样本的范围，野值（异常值）位于超过盒子顶端、底端 1.5 倍的四分位数。l含有缺口的盒图中齿形缺口表示样本中值的置信区间。图 中的内容说明如下：正态分布盒图如右图所示。四、多元线性回归分析四、多元线性回归分析 在金融上常常需要对金融、经济数据进行回归，其中最简单的是多元线性回归。（一）多元线性回归（一）多元线性回归 b=regress(Y,X) b,bint=regress(Y,X) b,bint,r=regress(Y,X) b,bin

30、t,r,rint=regress(Y,X) b,bint,r,rint,stats=regress(Y,X) b,bint,r,rint,stats=regress(Y,X,alpha)1()TTXXX YYX假设因变量 Y 和自变量 X 之间服从以下的线性模型：式中：Y 是因变量的观察值，X是自变量回归矩阵， 是参数向量， 是白噪声。的最小二乘解是调用方式X 自变量观察值，注意如果模型中有常数项，则 X 的 第一列所有元素为 1 。Y 因变量观察值向量alpha 参数的置信度0.10.4(0,0.1)YXN输入参数例例1 首先按照下面模型生成一系列随机数，然后回归。b 的估计值，注意 b 中

31、已经包含了常数项bint 的置信区间r 残值rint 残值的置信区间stats R2、F、概率 p输出参数b,bint,r,rint,stats=regress(Y,ones(10,1),X,0.05)下面生成一组随机数X= 1:10;Y=0.1+0.4*X + normrnd(0,0.1,1,10);下面估计 :rint = -0.1794 0.1149 -0.1435 0.1764 -0.1625 0.1737 -0.2005 0.1417 -0.1795 0.1712 -0.1046 0.2290 -0.0569 0.2470 -0.2559 -0.0402 -0.0667 0.2238

32、 -0.1889 0.1008stats = 1.0e+003 * 0.0010 2.2837 0.0000 0.0000b = 0.1303 0.3953bint = 0.0120 0.2487 0.3762 0.4144r = -0.0323 0.0165 0.0056 -0.0294 -0.0041 0.0622 0.0950 -0.1480 0.0785 -0.0440 从 b 的估计值可以得知常数项和一次项的系数分别为0.1303, 0.3953。在 0.05 置信水平下常数项系数估计区间为0.0120 0.2487，X的系数置信区间为0.3762 0.4144。由于样本数量非常少，

33、参数估计并不稳定。下图是残差及其置信区间图。rcoplot(r,rint)（二）多元正态回归（二）多元正态回归(sin,var)kkYN DegnParameters Coiance 在 Matlab 中 mvnrmle 函数可以进行多元正态回归，假设Yk 为随机变量，其分布如下：式中：N ( g , g )为多元正态分布。调用方式 Parameters,Covariance,Resid,Info= mvnrmle(Y,Design,MaxIterations,TolParam,Tol0bj,Covar0)Parameters 参数Covariance 协方差Resid 残差Info 估计过程

34、的相关系数Y 观察值矩阵，Ynk中n是样本的个数，k是资产的数目Design 自变量单元变量矩阵，如果 Y 只有一个资产时，Design是 一个矩阵，如果 Y 中的资产个数大于一个时，Design 是 一个单元向量，每个元素都是一个矩阵。Y 的 k 列和 Design 第 k 个元素中的矩阵进行回归MaxIterations TolParamTol0bjCovaro输出参数输入参数（三）估计多元正态分布每个资产的标准差（三）估计多元正态分布每个资产的标准差Data 观察值矩阵，Ynk 中n样本的个数，k是资产的数目Design 自变量单元变量矩阵，如果 Y 只有一个资产时，Design 是一个

35、单元向量，如果Y含有多于一个资产时，Design 是一个单元变量矩阵Covariance 回归时的残值调用方式 StdParameters, StdCovariance= mvnrstd(Data, Design, Covariance)输入参数StdParameters 每个资产的标准差StdCovariance 协方差输出参数（四）岭（四）岭 回回 归归 线性回归中参数估计 ，如果观察值 X 存在自相关性，则 XTX是奇异矩阵，估计值就会出现非常大的误差，这时矩阵XTX 需要加上一个对角元素是常数 k 的单位阵，即 。Matlab提供了岭回归 ridge 函数求解该问题。1()TTX Xk

36、IX Yb 模型估计参数调用方式 b1 = ridge ( Y , X , k ) b0 = ridge ( Y , X , k，0 )输入参数Y 因变量观察值X 自变量观察值k k 表示控制系数，可以根据需 要进行选择。输出参数1()TTXXXYk = 0:0.01:1;b = ridge(heat, ingredients, k);plot(k, b);xlabel(Ridge parameter); ylabel(Standardized coef.);title(Ridge Trace for Hald Data)legend(x1,x2,x3,x4);例例2 对 hald 文件中的数

37、据进行岭回归。load hald查看工作区中的变量。whoYour variables are :hald heat ingredients五、主成分分析五、主成分分析 主成分分析是在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息。（一）主成分分析基本原理（一）主成分分析基本原理首先对样本进行标准化处理，为简单起见，标准化后的样本仍记为X1 , X2 , X3 , , Xp 。 设样本为 X1 , X2 , X3 , , Xp，其对应的样本均值为 对应的标准差为 S1 ，S2，S3 , , Sp 。123,.,

38、pXXXX 设 F1 , F2 , F3 , , Fp 是主成分，也即是 X1 , X2 , X3 , , Xp 的线性表示，同时满足下面的条件： 主成分是原样本的正交变换。 各主成分之间互不相关。 主成分的总方差不变。 主成分按方差从大到小排序。 主成分具有如下性质：主成分具有如下性质： 这一性质说明，主成分是原变量的线性组合，是对原变量信息的一种改良；主成分不增加总信息量，也不减少总信息量。 设 为主成分的特征值，前 k 个方差累积贡献率为一般当累积贡献率大于 85 时不再增加新的主成分。123,.,p123.ki 保留多少个主成分取决于保留部分的累积方差在总方差中占的百分比（即累计贡献率

39、），它标志着前几个主成分概括的信息的多寡。在实践中，粗略规定一个百分比就可以决定保留几个主成分，如果多留一个主成分，但累积方差增加无几，便不再多留。（二）主成分分析函数（二）主成分分析函数COEFF 主成分系数SCORE 新坐标系latent X的协方差矩阵的特征值tsquare Hotelling 统计量的值在Matlab中提供了两个主成分分析函数princomp和pcacov。 COEFF,SCORE=princomp(X) COEFF,SCORE,latent=princomp(X) COEFF,SCORE,latent,tsquare=princomp(X)输入参数X 观察变量输出参数

40、调用方式corrcoef ( ingredients )ans = 1.0000 0.2286 -0.8241 -0.2454 0.2286 1.0000 -0.1392 -0.9730 -0.8241 -0.1392 1.0000 0.0295 -0.2454 -0.9730 0.0295 1.0000例例3 用Matlab自带数据进行主成分分析。Matlab中自带了数据文件 hald ，可以直接调用进行主成分分析。hald 数据考虑影响温度的 4 个因素，温度保存在 heat 变量中，4 个因素的观察值保存在 ingredients 中。由于 4 个因素之间存在相关性，无法直接回归，为解决

41、这个问题，首先进行主成分分析，生成四个主成分变量，主成分之间互不相关，而且和观察值的信息是同样的。第一步：载入数据，考察变量之间的相关性。 load hald %载入Matlab自带的数据文件考察相关性发现自变量 2 与变量 3 之间的高度相关，所以需要剔除相关性。第二步：主成分分析。 pc,score,latent,tsquare = princomp(ingredients)主成分系数pc = 0.0678 0.6460 -0.5673 0.5062 0.6785 0.0200 0.5440 0.4933 -0.0290 -0.7553 -0.4036 0.5156 -0.7309 0.1

42、085 0.4684 0.4844主成分的方差贡献率score = -36.8218 6.8709 4.5909 0.3967 -29.6073 -4.6109 2.2476 -0.3958 12.9818 4.2049 -0.9022 -1.1261 -23.7147 6.6341 -1.8547 -0.3786 0.5532 4.4617 6.0874 0.1424 10.8125 3.6466 -0.9130 -0.1350 32.5882 -8.9798 1.6063 0.0818 -22.6064 -10.7259 -3.2365 0.3243 9.2626 -8.9854 0.01

43、69 -0.5437 3.2840 14.1573 -7.0465 0.3405 -9.2200 -12.3861 -3.4283 0.4352 25.5849 2.7817 0.3867 0.4468 26.9032 2.9310 2.4455 0.4116协方差的特征值latent = 517.7969 67.4964 12.4054 0.2372tsquare = 5.6803 3.0758 6.0002 2.6198 3.3681 0.5668 3.4818 3.9794 2.6086 7.4818 4.1830 2.2327 2.721611234212343123441234y =

44、0.067 8x +0.067 85x -0.029x -0.073 1xy =0.646 0 x +0.020 0 x -0.755 3x +0.108 5xy =-0.567 3x +0.544 0 x -0.403 6x +0.468 4xy =0.506 2x +0.493 3x +0.515 6x +0.484 4x由此可以得到4个主成分如下：从特征值可以看出前面两个主成分可以很好的解释98%的方差：(517.796 9+67.496 4)/(517.7969+67.4964+12.4054+0.2372)=98%covx=cov(ingredients);pc,latent,exp

45、lain=pcacov(covx)采用 pcacov 函数计算主成分的结果同 princomp 函数的结果是一样的。 load hald然后计算观察变量 ingredients 协方差。 new = ingredients * pc在确定主成分后对主成分进行回归。将生成的 4 个主成分，保存在变量 new 中，变量 new 中的每列就是一个主成分。 regress(heat,new(:,1:2)ans = 2.1843 1.0894验证主成分之间的相关性： corrcoef(new)ans = 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 0.0000 0

46、.0000 0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000发现主成分之间是不相关的。 第三步：用前两个主成分进行回归。 2.1843 * pc(:,1) + 1.0894 * pc(:,2)ans = 0.8519 1.5039 -0.8862 -1.478312theat=2.1843y +1.0894y +1234theat=0.8519x +1.5039x -0.8862x -1.4783x +(1)这样温度和主成分之间的关系如下：还原成线性回归形式：这样温度和自变量之间的关系如下：第四步：验证主成分分析优点。下面计算 he

47、at 和 ingredients 中各个分量的相关系数。 corr(heat, ingredients(:,1)ans = 0.7307 corr(heat, ingredients(:,2)ans = 0.8163 corr(heat, ingredients(:,3)ans = -0.5347 corr(heat, ingredients(:,4)ans = -0.8213相关系数表明前两个自变量和因变量之间是正相关，后两个自变量和因变量之间负相关。式(1)和实际结果相印证。1234theat = 2.193 0 x +1.153 3x +0.758 5x +0.486 3x +(2) 从

48、式(2)可以看出自变量和因变量之间都是正相关，显然和实际结果不相印证。自变量和因变量之间的函数关系如下： c0 = regress(heat,ingredients)c0 = 2.1930 1.1533 0.7585 0.4863 如果不用主成分回归，而是直接对自变量和因变量进行回归。六、因子分析六、因子分析 因子分析法（factor analysis）是一种用来分析隐藏在表用来分析隐藏在表象背后的因子作用的一类统计模型和方法象背后的因子作用的一类统计模型和方法，它起源于心理度量学，最初是研究如何使用少数几个变量来解释众多原始变量，同时又尽量避免信息丢失的多元统计分析方法。在实际问题的分析过程

49、中，常用因子分析去除重叠信息，将原始的众多指标综合成较少的几个因子变量来分析。1. 因子分析法相关概念因子分析法相关概念 设样本为 , 其对应的样本均值为 , 对应的标准差为 。123,pXXXX123,pXXXX123,pSSSS 因子分析的核心问题核心问题有两个，一是确定因子的个数，二是对因子变量进行命名。 首先对样本进行标准化处理，为简单起见，标准化后的样本仍记为 。因子分析的数学模型如下： X = f X +s式中：X是经过正交处理的样本值，f 是负荷矩阵，表示公共因子部分，s是其他特殊因子。要求f，s之间不相关而且不可观察。123,pXXXXlambda 负荷矩阵估计值psi 特殊因

50、素矩阵估计值T 因素负荷旋转矩阵stats 假设检验F F是nm维因子的分矩阵2. 因子分析函数调用方式因子分析函数调用方式调用方式 lambda = factoran(X,m) lanmba , psi = factoran(X,m) lanmba , psi , T = factoran(X,m) lanmba , psi , T , stats = factoran(X,m) lanmba , psi , T , stats , F = factoran(X,m)输入参数X 观察值矩阵，每列属于同一个变量m 公共因素的个数输出参数下面用一个例子说明例例4 在Matlab中自带了10个公司