无监督学习-案例分析：利率期限结构

目标和背景

目标：使用主成分分析来挖掘美国国债利率期限结构数据的特征。

数据：一共有 236 条记录，对应 236 个月份，每条记录是一个 8 维向量。

解决方案和程序

a. 对所有利率曲线和利率曲线的均值 作图 ：

 

Figure: (a) 利率曲线； (b) 利率曲线均值；

利率均值大致上随着期限的增大而增大，由短期平均利率的约 4% 逐

渐增大到 10 年期平均利率 5.5% 。

b. 使用 主成分分析 来进一步挖掘数据的特征

I 第一主成分：数值都是负数，绝对值随期限增大而减少，反映了数据

对均值的偏离程度。

I 第二主成分：随期限增大由正变负，反映利率倒挂现象的严重程度。

I 前两个主成分已经解释了数据总方差的 99.6% 。

c. 使用第一主成分 重构数据 并对比原始数据，能比较直观地看出，主成分分

析作为一种数据平滑方法的平滑效果。

Figure: (a) 利率曲线； (b) 利率曲线均值； (c)pc1,2 ； (d)pc1 的数据重构。

机器学习与 python 实践 ()

第三章 无监督学习基础

人民邮电出版社

30 / 42