Axes that matter: PCA with a difference
创建于 更新于
摘要
本报告扩展了微分机器学习的应用，提出了一种基于路径梯度的差分主成分分析（Differential PCA）方法，实现对衍生品市场状态的有效维度约简。与传统无监督PCA相比，差分PCA通过利用路径梯度协方差矩阵，安全且高效地识别交易组合中的关键风险因子，显著提升了定价模型的标的特征提取、最小二乘蒙特卡洛回归变量选择及机器学习预处理的效果[page::0][page::6][page::9][page::13]。
