收益率曲線的主成分分析

我有過去 1 年 11 個期限的國債收益率數據。我在 MATLAB 中使用了關於收益率曲線變化的 PCA 程式碼。現在，我有每日/每月收益率曲線變化的共變異數矩陣，主要成分和主要成分解釋的分數（單個和累積）。

因此，有了這些數據，我如何得出平行移動模型是否是描述這段時間內收益率曲線波動的好方法的結論？

基於因子負載，您應該能夠判斷第一個組件是否是並行移位（如果您正確地完成了所有操作，那麼它非常相似）。由因子解釋的變異數然後衡量該模型的好壞。請注意，平行移位通常實際上並不完全平行，而是在曲線的正面和背面具有不同的權重（但具有相同的符號）

您的 PCA 實際上是共變異數矩陣的特徵值和特徵向量。

特徵值（對應於每個特徵向量）顯示每個特徵向量可解釋的（正交移動）的比例。通常，第一個特徵向量（即第一個 PCA）將具有一個特徵值（相對於所有特徵值的總和），表明它解釋了 >90% 的移動。

引用自：https://quant.stackexchange.com/questions/39226