PCA: Viele Zahlen auf wenige verdichten
Erfahren Sie, wie die Hauptkomponentenanalyse (PCA) viele sich überschneidende Marktvariablen auf wenige „Komponenten“ verdichtet – und warum diese nicht dasselbe sind wie ökonomische Faktoren.
Kategorie: Machine Learning
Einfach erklärt
Stellen Sie sich vor, Sie hätten zu jeder Aktie 30 Dinge gemessen: ihre Kursbewegungen, das Handelsvolumen, die Größe und so weiter. Viele dieser Zahlen bewegen sich gemeinsam, ein großer Teil der Information ist also doppelt vorhanden. Die Hauptkomponentenanalyse (Principal Component Analysis, PCA) ist ein mathematisches Verfahren, das all diese sich überschneidenden Zahlen auf eine Handvoll neuer zusammenfassender Zahlen verdichtet, die sogenannten Komponenten, und dabei so wenig echte Information wie möglich verwirft. Man kann es mit der Zusammenfassung eines dicken Buches in wenigen Sätzen vergleichen, die dennoch den größten Teil der Handlung wiedergeben. Robust PCA ist eine Variante, die die Daten in einen glatten Teil mit der gemeinsamen Struktur der meisten Aktien und einen separaten, dünn besetzten (sparse) Teil mit den wenigen großen Ausreißern zerlegt, sodass eine Handvoll extremer Titel die zusammenfassenden Richtungen nicht verzerren kann.
Was sie misst
Die PCA misst Variation – also wie stark die Daten streuen – und sucht die Richtungen, in denen die Daten am stärksten variieren. Die erste Komponente erfasst das größte einzelne Variationsmuster, die zweite das nächstgrößte (das die erste nicht erfasst hat) und so weiter. „90% der Varianz behalten“ bedeutet, dass wir genügend Komponenten beibehalten, um 90% der gesamten Streuung zu bewahren, und den Rest als Rauschen verwerfen. - Kleines Beispiel: Angenommen, Körpergröße und Armspannweite liegen fast immer nahe beieinander (große Menschen haben lange Arme). - Statt beide Zahlen zu speichern, bildet die PCA eine Komponente, „allgemeine Körperstatur“, die ~95% der Unterschiede zwischen Menschen erfasst. - Aus 2 Zahlen wurde 1, und dabei ging nur sehr wenig verloren – das ist Dimensionsreduktion. - Eine Ladung (Loading) gibt an, wie stark jedes ursprüngliche Merkmal zu einer Komponente beiträgt (das Rezept der Richtung); ein Score (oder Komponentenwert) gibt an, wo eine bestimmte Aktie entlang dieser Richtung liegt – beides wird leicht verwechselt.
Wie SurgeFlow sie einsetzt
Die PCA bildet die Grundlage des ML-Tabs „Marktkarte“. SurgeFlow nimmt viele korrelierte Merkmale je Aktie, führt eine PCA durch und behält so viele Komponenten, dass rund 90% der Varianz erhalten bleiben – eine kompakte, weniger verrauschte Version der Daten. Anschließend werden die Aktien in diesem verdichteten Raum gruppiert (Clustering), und getrennt davon dient der Rekonstruktionsfehler – also wie schlecht eine Aktie durch die behaltenen Komponenten beschrieben wird – als ein Anomaliesignal: Eine Aktie, die nicht zum gemeinsamen Muster passt, fällt auf. Der Anomalie-Score von SurgeFlow kombiniert diesen Rekonstruktionsfehler mit dem Abstand jeder Aktie zu ihrem Clusterzentrum. (Konzeptionell ist das mit dem akademischen Verfahren „Robust PCA“ verwandt, das Daten in eine gemeinsame niedrigrangige Struktur und dünn besetzte Ausreißer zerlegt; SurgeFlow verwendet jedoch die gewöhnliche PCA, nicht Robust PCA.) - Verdichten: viele Merkmale auf wenige Komponenten (~90% der Varianz bleiben erhalten). - Gruppieren: Aktien im kleineren Raum clustern. - Ausreißer markieren: großer Rekonstruktionsfehler = ein Hinweis (von mehreren) auf eine Anomalie.
So lesen Sie es auf der Website
Öffnen Sie den ML-Tab (die Marktkarte unter /ml). Sie sehen Aktien, die zu Clustern gruppiert sind, und einige Titel, die als Anomalien markiert sind. Lesen Sie einen Cluster als „diese Aktien haben sich im Zeitraum strukturell ähnlich verhalten“ und eine Anomalie-Markierung als „dieser Titel passte nicht zum üblichen gemeinsamen Muster – einen genaueren Blick durch einen Menschen wert“. Die Komponenten selbst sind zusammenfassende Achsen, keine Kurse oder Scores, nach denen gehandelt werden sollte. - Cluster gruppieren Aktien nach gemeinsamer Struktur, nicht nach Qualität oder erwarteter Rendite. - Eine Anomalie-Markierung ist ein Anlass zur Prüfung, niemals ein automatisches Kauf- oder Verkaufssignal. - Bezeichnungen und Gruppierungen können sich verschieben, wenn neue Daten eintreffen.
Was sie Ihnen nicht sagen kann
Dies ist der wichtigste Abschnitt. PCA-Komponenten sind NICHT automatisch ökonomische Faktoren – eine Komponente ist lediglich eine Richtung maximaler Variation; Komponente 1 als „Value“ oder „Momentum“ zu bezeichnen, ist daher eine menschliche Vermutung, die falsch sein kann. Die PCA beschreibt die Struktur in den Daten; sie prognostiziert keine künftigen Renditen und liefert keine Kauf- oder Verkaufssignale, und ein sauberes Clustering sagt nichts darüber aus, welche Aktien steigen werden. Die Ergebnisse hängen außerdem davon ab, wie die Daten skaliert und welche Merkmale einbezogen wurden, und Ausreißer können die Komponenten verzerren, wenn sie nicht sorgfältig behandelt werden. - Komponenten sind mathematische Größen, keine realen Ursachen – Korrelation ist nicht Kausalität. - 90% der Varianz zu behalten ist eine Entscheidung, kein Gesetz; eine andere Schwelle verändert das Bild. - Der Rekonstruktionsfehler markiert „ungewöhnlich“, nicht „schlecht“ oder „Chance“. - Rein beschreibend – dies ist Research und Wissensvermittlung, keine Anlageberatung.