应用于单个时间序列的独立分量分析

Question

首先，我不是金融工程大师。我做了很多年的COBOL程序员，虽然我对c++有点生疏，但经过一段时间的复习，我可以做得很好。

我已经做了几年的期货交易，并为自己设定了在单一时间序列数据(期货价格、股票价格)上实施ICA的任务。

独立分量分析算法是it++包(fastICA)的一部分，但是在独立分量分析的前提下，对时间序列数据进行预处理是必要的，前提是观测的数目至少和源的数目一样大。

根据我的发现，预处理包括构造一个矩阵Y，其中包含第一列中的原始时间序列，第二列中时间序列的滞后-1移位版本等等。

eg.

Y= 1.0135518 - 0.7113242 - 0.3906069 1.565203
- 0.7113242 - 0.3906069 1.565203 0.0439317
- 0.3906069 1.565203 0.0439317 - 1.1656093
etc.

我的问题是：

1. 在执行ICA之后，需要采取哪些步骤来恢复时间序列数据中的独立源？

1. 如何将IC从最重要的到最不重要的排序。 如果有人能回答这些问题，或者向我指出一本合适的书或文章的方向，我将非常感激。最好是这本书或文章在本质上更实用。

Answer 1

你可以试试皮埃尔·科蒙和克里斯蒂安·朱滕的“Handbook of Blind Source Separation: Independent Component Analysis and Applications”作为参考。

Answer 2

通常ICA返回一个分离矩阵M，因此要找到源，需要将M乘以原始度量矩阵。将ICA分量按其重要性排序只取决于您认为对您有意义的内容，例如方差或其他一些统计属性。ICA本身并不提供任何自然的有序机制。