高维数据中的相依性可视化：对标普500成分股数据的应用
应用统计
2017-04-06 v2
摘要
引入了zenpath和zenplot的概念，用于在高维数据中搜索和检测相依性，以进行模型构建和统计推断。通过使用两个随机变量之间的任何相依性度量（如相关性、斯皮尔曼rho、肯德尔tau、尾部相依性等），zenpath可以以不同方式构建穿过变量对的路径，然后由zenplot进行布局和显示。通过研究2007-2008年金融危机期间标普500成分股数据中的尾部相依性和模型拟合来说明该方法。还讨论了相应的全球行业分类标准（GICS）板块信息。Zenpath和zenplot是探索高维数据相依性的有用工具，例如来自金融、保险和量化风险管理领域的数据。所有提出的算法均使用R包zenplots实现，论文中的所有示例和图形均可使用附带的演示SP500复现。
引用
@article{arxiv.1609.09429,
title = {Visualizing Dependence in High-Dimensional Data: An Application to S&P 500 Constituent Data},
author = {Marius Hofert and Wayne Oldford},
journal= {arXiv preprint arXiv:1609.09429},
year = {2017}
}
备注
The figures had to be massively reduced in size in order for the paper to fulfill the 10M limit