独立分量分析应用于单个时间序列

Question

首先，我不是金融工程专家。我作为一名COBOL程序员工作了很多年，虽然我对c ++有点生疏，但我可以稍微复习一下。

我几年来一直在交易期货，并为自己设定了在单一时间序列数据流（期货价格，股票价格）上实施ICA的任务。

ICA算法作为it ++包（fastICA）的一部分，但是必须对时间序列数据执行一些预处理，因为ica的工作前提是观察数量至少与源数量一样大

根据我的发现，预处理涉及构建一个矩阵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。

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. 执行ICA后，恢复时间序列数据中的独立源需要哪些步骤？

2. 如何订购IC从最重要到最不重要。

   如果有人能够回答这些问题，或者指向合适的书籍或文章的方向，我将非常感激。优选地，书籍或物品本质上更具实用性。

Answer 1

你可以试试Pierre Comon和Christian Jutten的Handbook of Blind Source Separation: Independent Component Analysis and Applications作为参考。

Answer 2

通常ICA返回分离矩阵M.因此，要找到您的源，您需要将M乘以原始测量矩阵。按重要性对ICA组件进行排序仅取决于您认为对您有意义的因素，例如方差或其他一些统计特性。 ICA本身并不提供任何自然排序机制。