Список проголосовавших за комментарий "SergeyJu, у вас правильное имхо при странном предложении реализации.<br/> <br/> SVD разложение аппроксимирует строки матрицы. Если вы применяете его к траекторной матрице, как положено, то получаете мощность некоторого сигнала и реакцию каждой акции на этот сигнал (например цены на нефть).<br/> <br/> Как только вы применяете SVD к ковариационной матрице, то получаете глупость, так как ковариационная матрица не имеет некоторой строковой структуры. <br/> <br/> Представьте, что у вас в качестве актива 1 — нефть, которая определяет цену 2 актива — акций Роснефти. Корр.матрица, соответственно: [ 1, 0.5; 0.5, 1 ]; Всего одна Г.К + 1 шумовая часть.<br/> <br/> А теперь разложим эту матрицу по SVD и получим две ортогональных Г.К. — [0.7, 0.7] и [-0.7, 0.7]. <br/> <br/> Итого, восстановленная матрица по 1-ой Г.К. будет выглядеть так :<br/> <br/> [ 0.75, 0.75; 0.75, 0.75 ] <br/> <br/> То есть совершенно неверное решение! (Не то, которое предполагалось).<br/> <br/> А если бы вы повернули Корр.матрицу на 45 градусов, чтобы в ней появилась построчная структура, то да — вы бы получили то, что хотели, а именно 1 Г.К без шума."